Toward Generalizing Visual Brain Decoding to Unseen Subjects

要約

視覚脳デコーディングは、人間の脳活動から視覚情報を解読することを目的としています。
大きな進歩にもかかわらず、現在の脳解読研究の重大な限界の 1 つは、目に見えない対象に対する一般化能力の欠如にあります。
これまでの研究は通常、異なる被験者が異なる脳活動を示すという観察に基づいて個人の脳活動を解読することに焦点を当てているが、脳の解読が目に見えない被験者に一般化できるかどうかは依然として不明である。
この研究はこの疑問に答えることを目的としています。
まず、ヒューマン コネクトーム プロジェクト (HCP) の映画鑑賞タスクに参加した 177 人の被験者を対象とした、刺激と画像と fMRI と応答のペアで構成される画像と fMRI データセットを統合します。
このデータセットを使用すると、参加者の増加に伴う脳の解読パフォーマンスを調査できます。
次に、以前の方法のように個人ごとに異なるネットワークヘッドやトークナイザーを採用するのではなく、すべての被験者に均一な処理を適用する学習パラダイムを提示します。これにより、さまざまな被験者にわたる汎化能力を探索するために多数の被験者に対応できます。
一連の実験が行われ、次のような結果が得られました。
第 1 に、ネットワークはトレーニング対象の増加に応じて明確な一般化機能を示します。
第 2 に、一般化機能は一般的なネットワーク アーキテクチャ (MLP、CNN、および Transformer) に共通です。
第三に、汎化パフォーマンスは被験者間の類似性に影響されます。
私たちの調査結果は、個人間の脳活動の本質的な類似性を明らかにしました。
より大規模でより包括的なデータセットの出現により、将来的には脳デコーディング基盤モデルをトレーニングすることが可能になります。コードとモデルは https://github.com/Xiangtaokong/TGBD で見つけることができます。

要約(オリジナル)

Visual brain decoding aims to decode visual information from human brain activities. Despite the great progress, one critical limitation of current brain decoding research lies in the lack of generalization capability to unseen subjects. Prior works typically focus on decoding brain activity of individuals based on the observation that different subjects exhibit different brain activities, while it remains unclear whether brain decoding can be generalized to unseen subjects. This study aims to answer this question. We first consolidate an image-fMRI dataset consisting of stimulus-image and fMRI-response pairs, involving 177 subjects in the movie-viewing task of the Human Connectome Project (HCP). This dataset allows us to investigate the brain decoding performance with the increase of participants. We then present a learning paradigm that applies uniform processing across all subjects, instead of employing different network heads or tokenizers for individuals as in previous methods, which can accommodate a large number of subjects to explore the generalization capability across different subjects. A series of experiments are conducted and we have the following findings. First, the network exhibits clear generalization capabilities with the increase of training subjects. Second, the generalization capability is common to popular network architectures (MLP, CNN and Transformer). Third, the generalization performance is affected by the similarity between subjects. Our findings reveal the inherent similarities in brain activities across individuals. With the emerging of larger and more comprehensive datasets, it is possible to train a brain decoding foundation model in the future.Codes and models can be found at https://github.com/Xiangtaokong/TGBD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google