研究发现，多模态大语言模型（MLLMs）能够自发形成类似于人类的物体概念表征。通过行为实验和神经影像分析，构建了AI模型的“概念地图”，揭示了AI的认知结构与人类的相似性，推动了机器理解的研究进展。

本研究利用多模态模型解决阿尔茨海默病神经影像诊断报告不足的问题。通过应用GPT-4o-mini生成合成报告，训练出的模型能够生成准确且临床相关的神经报告，显示出良好的应用潜力。

本研究提出了一种新算法，旨在从神经影像数据中重建动态系统，解决短时间序列数据推断神经系统生成动力学模型的挑战，有效克服现有方法的局限性，推动脑动态分析的自动化进程。

本文研究了CANDECOMP/PARAFAC张量分解在多维数据降维中的应用，提出了一种基于随机算法的高效计算方法，并通过实验验证了其性能。研究还引入了耦合生成器分解和稀疏主成分分析，展示了在神经影像实验中的应用效果。此外，提出了适用于不同类型数据的多种损失函数的广义低秩张量分解方法，展示了其在社交网络和交通流量预测中的灵活性和准确性。