MnemoDyn：从 40K FMRI 序列学习静息态动力学

我们提出了一种基于动力系统的静息态功能磁共振成像 (rs-fMRI) 模型，该模型在大约 40K rs-fMRI 序列的数据集上进行训练，涵盖各种公共和许可可用的数据集。虽然大多数现有提案使用 Transformer 主干，但我们利用分割大脑区域动态的多分辨率时间建模。我们证明 MnemoDyn 计算效率高，并且在不同人群和扫描协议中具有很好的泛化能力。当与当前最先进的基于 Transformer 的方法进行基准测试时，MnemoDyn 始终如一地提供卓越的重建质量。总的来说，我们发现，通过在（非专有）rs-fMRI 数据集上使用如此大规模的 预训练，我们可以为各种下游任务获得高性能模型。我们的结果还提供了该模型在小样本量研究中的有效性的证据，这对大规模的神经影像学研究具有影响，其中静息态功能磁共振成像是一种常见的成像方式。