深度神经网络预测的人脑响应解码心理信息的个体差异

使用功能磁共振成像（fMRI）进行的脑解码在评估日常生活中因人而异的不可观测心理信息方面具有很大潜力。尽管利用脑解码估计心理信息的个体差异对于社会应用（尤其是神经营销）可能有效，但fMRI的物理限制和高成本限制了其在现实环境中的实际应用。为克服这些局限，我们提出了一种框架，利用深度神经网络（DNN）预测的脑反应来估计可解码心理信息的个体差异。在该框架中，基于DNN的模型被训练用于预测对自然电影场景的fMRI反应。此后不再需要额外的fMRI测量，因为新电影场景的心理信息可以从预测反应而非实测反应中解码。一项大规模分析显示，所提出的预测反应解码在各种认知领域捕获的个体差异模式与传统的实测反应解码所得的模式一致。在与电影场景相关的88个认知标签中，超过70%的标签可以捕获个体差异模式。该框架为评估个人心理信息提供了一种有前景的方法，大幅减少了对fMRI的依赖，从而拓展了脑解码社会应用的潜力。

中文由 AI 翻译，仅供参考，以原文为准。