其他行业 · AI应用
基于fMRI扫描的实时“读心”
普渡大学的研究人员通过开发一个深度学习模型，解决了从大脑活动中解码视觉体验的挑战，该模型能近乎实时地解读fMRI扫描。团队在超过11小时的fMRI数据上训练卷积神经网络，这些数据来自观看972个视频片段的受试者，从而创建了一个能够重建个体观看视频时所看到内容的系统，甚至包括从未见过的视频。这一创新方法不仅增进了我们对大脑功能的理解，还为研究视觉缺陷提供了重要前景，因为它能将一个个体的发现推广到另一个个体。这项研究可能推动神经科学和辅助技术的发展，最终改善视觉障碍患者的生活质量。
开发了一个深度学习模型，能在受试者观看视频时近乎实时地从fMRI扫描中解码视觉体验。
未披露
在超过11小时的fMRI数据上训练，受试者观看了972个视频片段。
未披露
能够重建甚至从未见过的视频的视觉体验。
未披露
01
业务背景
普渡大学的研究人员通过开发一个深度学习模型，解决了从大脑活动中解码视觉体验的挑战，该模型能近乎实时地解读fMRI扫描。团队在超过11小时的fMRI数据上训练卷积神经网络，这些数据来自观看972个视频片段的受试者，从而创建了一个能够重建个体观看视频时所看到内容的系统，甚至包括从未见过的视频。这一创新方法不仅增进了我们对大脑功能的理解，还为研究视觉缺陷提供了重要前景，因为它能将一个个体的发现推广到另一个个体。这项研究可能推动神经科学和辅助技术的发展，最终改善视觉障碍患者的生活质量。
02
遇到的问题
03
AI 解决方案
04
实施结果
开发了一个深度学习模型，能在受试者观看视频时近乎实时地从fMRI扫描中解码视觉体验。：
在超过11小时的fMRI数据上训练，受试者观看了972个视频片段。：
能够重建甚至从未见过的视频的视觉体验。：
展示了跨个体解码大脑活动的能力，表明可用于研究不同人群（包括视觉缺陷者）的大脑功能。：
采用卷积神经网络（CNN）进行处理。：
05
风险与边界
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。