我们在自我神经调节任务中获得了一个人的学习进步的个人签名,由功能MRI(FMRI)为指导。签名基于在第一节中给定第二神经融合会话中Amygdala的活性。该预测由深神经网络进行,这是在整个培训队训练的患者的培训。该信号,其指示人在执行Amygdala调制任务方面的进步,在多个原型脑状态中聚集,然后通过线性分类器对各种个人和临床适应症进行分类。所获得的签名的预测力比以前从FMRI神经融合获得个人签名的方法更强,并且提供了人的学习模式可以用作诊断工具的指示。我们的代码已提供,并通过道德批准,共享数据。
translated by 谷歌翻译