融合搜索光：从静息态fMRI对脑状态进行分类的数据整合

本研究解决了静息态fMRI中复杂的自发神经活动数据分析的不足，提出了一种融合搜索光框架（FuSL）来结合不同指标的信息，从而提高脑状态解码的准确性。研究表明，使用可解释的人工智能技术，可以重建各个指标对解码的影响，增强了搜索光分析的空间特异性，具有广泛的适用性和可解释性，适用于神经影像数据整合。