Il framework NeurIPS migliora la decodifica cerebrale con priori anatomici
Un nuovo framework chiamato NeurIPS è stato sviluppato da ricercatori per decodificare l'attività cerebrale dai dati fMRI, utilizzando priori induttivi neuro-anatomici per affrontare il compromesso tra prestazioni e fedeltà osservato nei decodificatori esistenti. Questo approccio innovativo integra un Tokenizer Sferico ROI Selettivo (SRST) per una codifica geometrica efficace e una Miscela di Esperti Guidata dalla Struttura (SG-MoE) che incorpora caratteristiche anatomiche individuali. Sul Natural Scenes Dataset, NeurIPS stabilisce un nuovo punto di riferimento per i decodificatori basati sulla superficie, raggiungendo prestazioni paragonabili a quelle di robuste baseline 1D, migliorando significativamente la velocità di convergenza (10 epoche rispetto a 600). Questo progresso consente un rapido adattamento a nuovi soggetti o compiti. I risultati sono stati pubblicati su arXiv con ID 2605.24993.
Fatti principali
- Il framework NeurIPS ridefinisce la variazione anatomica da un fastidio a un potente priori induttivo.
- Due innovazioni: Tokenizer Sferico ROI Selettivo (SRST) e Miscela di Esperti Guidata dalla Struttura (SG-MoE).
- Raggiunge lo stato dell'arte sul Natural Scenes Dataset per i decodificatori di superficie.
- Converge in 10 epoche rispetto alle 600 epoche dei modelli precedenti.
- Pubblicato su arXiv con ID 2605.24993.
Entità
Istituzioni
- arXiv