结构保持校正学习用于脑源成像

Marco Morik、Xiao Ruiting、Shinichi Nakajima、Stefan Haufe和Ismail Huseynov提出了用于脑源成像稀疏贝叶斯推断的结构保持校正学习框架；实验显示，加入不同校正机制的模型在重建性能和收敛表现上均优于基线展开求解器，同时保留贝叶斯推断结构和算法透明性。 该方法将经典联合超参数学习求解器展开为可训练神经网络，使网络层对应原求解器的迭代步骤，并在此基础上逐步加入可学习偏置、多层感知机和注意力机制来学习更新校正项。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。