神经影像技术的进步为我们提供了了解人类思维方式的新颖见解。功能磁共振成像(fMRI)是最流行和广泛使用的神经影像学技术,并且对基于fMRI的个体差异标记越来越感兴趣。但是,由于其高成本和从包括儿童和婴儿在内的特定人群获得的难度,其效用通常受到限制。 fMRI标记的替代标记或神经相关性将具有重要的实际含义,但是我们对fMRI标记的独立预测指标很少。在这里,使用机器学习(ML)模型和数据增强,我们从功能性近红外光谱学(FNIRS)的多元模式(一种便携式且相对便宜的光学神经图像技术)中预测了人类认知的良好fMRI标记。我们招募了50名人类参与者,他们执行了两项认知任务(停止信号任务和概率逆转学习任务),而在总共两次访问中的每个访问中,用FNIRS或fMRI测量了神经激活。使用ML模型和数据增强,我们可以预测来自前额叶皮层中48通道FNIRS激活的响应抑制或预测误差信号的良好fMRI标记。这些结果表明,FNIRS可能会提供fMRI激活的替代标记,这将扩大我们对包括婴儿在内的各种人群的理解。
translated by 谷歌翻译