Alejandro I de la Vega

脑激活图的功能解码有了新做法：NiCLIP把神经影像文献文本与坐标生成的激活图放进同一潜在空间做对比学习，再借认知本体把相似度转成任务、概念和域的后验概率。此前常用的相关型解码器和GC-LDA依赖预计算元分析图与固定词表，只给出任务级预测。在人类连接组计划七个域的组水平图上，最佳配置的任务召回为62.86%，而Neurosynth与GC-LDA最高为20.71%；同一模型在个体水平激活图上表现明显下降。

脑激活图的功能解码有了新做法：NiCLIP把神经影像文献文本与坐标生成的激活图放进同一潜在空间做对比学习，再借认知本体把相似度转成任务、概念和域的后验概率。此前常用的相关型解码器和GC-LDA依赖预计算元分析图与固定词表，只给出任务级预测。在人类连接组计划七个域的组水平图上，最佳配置的任务召回为62.86%，而Neurosynth与GC-LDA最高为20.71%；同一模型在个体水平激活图上表现明显下降。