R2T-Net 用静息态 fMRI 预测认知能力

1. 08:00
   Patterns

   R2T-Net 整合静息态与任务态 fMRI 提升认知能力预测

   Jiang 等人提出 R2T-Net，这是一个对比学习框架，从配对的静息态与任务态 fMRI 中学习共享表征，并仅凭静息态扫描预测认知表现。该模型可泛化到独立队列，其静息态衍生特征还支持 ADNI 中的诊断分类。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。