English(EN) BrainTaskonomy: Learning How to Pretrain and What to Transfer in fMRI Foundation Models

BrainTaskonomy 优化 fMRI 基础模型的预训练和迁移学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了一种名为 BrainTaskonomy 的新方法，用于优化功能性磁共振成像 (fMRI) 基础模型的预训练和迁移学习过程。该方法利用 Brain-DiT 代理来估计不同 fMRI 域之间的学习关系，并通过优先引导方法和时间步长调度来指导预训练课程。对于下游任务，BrainTaskonomy 构建了一个有向任务学来使用预算整数规划选择最佳源任务和迁移路线。该策略显著降低了各种误差指标，并在多个任务中表现出强大的性能，揭示了非对称和目标依赖的迁移模式。 AI

影响这项研究可能带来更有效和高效的分析脑成像数据的基础模型，从而加速神经科学研究。

排序理由该集群包含一篇详细介绍 fMRI 基础模型新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍 fMRI 基础模型新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Junfeng Xia, Wenhao Ye, Junxiang Zhang, Jiayu Zuo, Mo Wang, Quanying Liu · 2026-09-10 04:00

BrainTaskonomy：学习如何在fMRI基础模型中进行预训练以及传输什么

arXiv:2609.10518v1 Announce Type: new Abstract: fMRI foundation models increasingly aggregate heterogeneous data across brain states, cohorts, and acquisition settings, yet pretraining domains are commonly treated as a flat mixture and downstream tasks are adapted independently. …

本文如何被排名

报道来源 [1]

BrainTaskonomy：学习如何在fMRI基础模型中进行预训练以及传输什么

相关实体

相关话题