arXiv · cs.AI · Junhao Zhao, Jacob Kang, Colin Kurniawan, David Simberg, Nan Xu · 4 小时前模型评分32
跨被试自然刺激 fMRI 预测中模型复杂度何时重要
When Model Complexity Matters in Cross-Subject Naturalistic fMRI Prediction
导读
研究对比线性诊断参考与非线性预测器，在 HCP 电影 fMRI（154 名被试）、BOLD Moments（10 名被试）和 Algonauts 2025（4 名被试）上评估跨被试预测。预训练视觉特征通常优于原始像素，且在线性自回归中随递归预测延长优势更明显；实测 BOLD 历史带来显著增益，但随预测延长而减弱。结果支持将刺激表征与下游复杂度分开评估，并以历史条件线性预测作为诊断参考。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学、科学研究
事件类型：研究发布
证据摘录
- “Increasingly complex neural models predict blood-oxygen-level-dependent (BOLD) responses to naturalistic stimuli, but the predictive value of this added complexity remains unclear.”
来源：arXiv · cs.AI · arxiv.org