用于fMRI分析的层次时空状态空间建模
发表于: 。本研究针对功能磁共振成像(fMRI)数据的动态功能网络连接(dFNC)分析,提出了一种新的功能时空Mamba模型(FST-Mamba)。通过引入组件变尺度聚合机制(CVA)和对称旋转位置编码(SymRope),该模型有效整合了大脑网络内和网络间的信息,实验结果显示其在多个脑基分类和回归任务中显著提高了性能,展现了无注意力序列建模在神经科学研究中的潜力。
本研究针对功能磁共振成像(fMRI)数据的动态功能网络连接(dFNC)分析,提出了一种新的功能时空Mamba模型(FST-Mamba)。通过引入组件变尺度聚合机制(CVA)和对称旋转位置编码(SymRope),该模型有效整合了大脑网络内和网络间的信息,实验结果显示其在多个脑基分类和回归任务中显著提高了性能,展现了无注意力序列建模在神经科学研究中的潜力。