多级集成神经编码模型

全脑预测更准

整合深度网络特征与脑网络先验，显著提升自然视频下全脑神经活动的预测精度，优于传统基于单一视觉网络的编码模型。

顾实

Science Bulletin 2024

技术优势

预测更准

多级集成框架结合多个深度网络和脑图谱信息，显著提高全脑神经活动预测准确性。

超越单网络

传统模型依赖特定计算机视觉网络，导致脑区对应关系次优；本方法通过集成学习缓解该问题。

揭示表征机制

该框架能够更深入理解大脑神经表征机制，准确预测对复杂视觉概念的反应。

应用场景

• 脑机接口：利用更准的全脑活动预测，提升脑机接口对用户意图的解码性能。
• 神经解码：提供更精确的神经编码模型，解码自然感知下的复杂视觉信息。
• 认知计算建模：整合数据驱动与脑网络理论，构建更贴近真实皮层功能的计算模型。
• 具身智能感知：将深度网络与脑网络结合，为具身系统提供更鲁棒的感知计算框架。