• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

An attention-based fuzzy CNN-LTSM network for visual object recognition from fMRI images.

作者信息

Huang Tangsen, Yin Xiangdong, Jiang Ensong

机构信息

School of Information Engineering, Hunan University of Science and Engineering, Yongzhou, hunan, 425199, China.

出版信息

J Comput Neurosci. 2025 Sep;53(3):459-473. doi: 10.1007/s10827-025-00905-6. Epub 2025 Aug 5.

DOI:10.1007/s10827-025-00905-6
PMID:40762900
Abstract
摘要

相似文献

1
An attention-based fuzzy CNN-LTSM network for visual object recognition from fMRI images.一种基于注意力的模糊卷积神经网络-长短期记忆网络，用于从功能磁共振成像图像中进行视觉目标识别。
J Comput Neurosci. 2025 Sep;53(3):459-473. doi: 10.1007/s10827-025-00905-6. Epub 2025 Aug 5.
2
Enhancing occluded and standard bird object recognition using fuzzy-based ensembled computer vision approach with convolutional neural network.使用基于模糊的集成计算机视觉方法与卷积神经网络增强遮挡和标准鸟类目标识别。
Sci Rep. 2025 Jul 1;15(1):22247. doi: 10.1038/s41598-025-05465-4.
3
Decoding fMRI Data: A Comparison Between Support Vector Machines and Deep Neural Networks.解码功能磁共振成像数据：支持向量机与深度神经网络的比较
bioRxiv. 2023 Jun 1:2023.05.30.542882. doi: 10.1101/2023.05.30.542882.
4
Decoding fMRI data with support vector machines and deep neural networks.使用支持向量机和深度神经网络对 fMRI 数据进行解码。
J Neurosci Methods. 2024 Jan 1;401:110004. doi: 10.1016/j.jneumeth.2023.110004. Epub 2023 Oct 31.
5
An intelligent object detection and classification framework for assisting visually challenged persons using deep learning and improved crow search optimization.一种基于深度学习和改进乌鸦搜索优化算法的、用于辅助视障人士的智能目标检测与分类框架。
Sci Rep. 2025 Aug 14;15(1):29822. doi: 10.1038/s41598-025-15793-0.
6
Body-wide hierarchical fuzzy modeling, recognition, and delineation of anatomy in medical images.全身层次模糊建模、医学图像中解剖结构的识别和描绘。
Med Image Anal. 2014 Jul;18(5):752-71. doi: 10.1016/j.media.2014.04.003. Epub 2014 Apr 24.
7
Improving the Robustness of Object Detection Through a Multi-Camera-Based Fusion Algorithm Using Fuzzy Logic.通过基于多摄像头的模糊逻辑融合算法提高目标检测的鲁棒性。
Front Artif Intell. 2021 May 26;4:638951. doi: 10.3389/frai.2021.638951. eCollection 2021.
8
EEG Signals Classification Related to Visual Objects Using Long Short-Term Memory Network and Nonlinear Interval Type-2 Fuzzy Regression.使用长短期记忆网络和非线性区间二型模糊回归对与视觉对象相关的脑电信号进行分类
Brain Topogr. 2025 Jan 6;38(2):20. doi: 10.1007/s10548-024-01080-0.
9
Constraint-Free Natural Image Reconstruction From fMRI Signals Based on Convolutional Neural Network.基于卷积神经网络的功能磁共振成像信号无约束自然图像重建
Front Hum Neurosci. 2018 Jun 22;12:242. doi: 10.3389/fnhum.2018.00242. eCollection 2018.
10
Transfer learning of deep neural network representations for fMRI decoding.基于深度神经网络表示的 fMRI 解码的迁移学习。
J Neurosci Methods. 2019 Dec 1;328:108319. doi: 10.1016/j.jneumeth.2019.108319. Epub 2019 Oct 1.

本文引用的文献

1
Intra and inter-regional functional connectivity of the human brain due to Task-Evoked fMRI Data classification through CNN & LSTM.基于任务态 fMRI 数据分类的 CNN 和 LSTM 技术对人脑的区域间和区域内功能连接的研究。
J Neuroradiol. 2024 Jun;51(4):101188. doi: 10.1016/j.neurad.2024.02.006. Epub 2024 Feb 25.
2
Estimating and approaching the maximum information rate of noninvasive visual brain-computer interface.估算和逼近非侵入式视觉脑机接口的最大信息率。
Neuroimage. 2024 Apr 1;289:120548. doi: 10.1016/j.neuroimage.2024.120548. Epub 2024 Feb 19.
3
Multi-Semantic Decoding of Visual Perception with Graph Neural Networks.
基于图神经网络的视觉感知多语义解码。
Int J Neural Syst. 2024 Apr;34(4):2450016. doi: 10.1142/S0129065724500163. Epub 2024 Feb 17.
4
Spatial-temporal convolutional attention for discovering and characterizing functional brain networks in task fMRI.基于时空卷积注意力的任务 fMRI 中功能脑网络发现与特征刻画
Neuroimage. 2024 Feb 15;287:120519. doi: 10.1016/j.neuroimage.2024.120519. Epub 2024 Jan 26.
5
Decoding fMRI data with support vector machines and deep neural networks.使用支持向量机和深度神经网络对 fMRI 数据进行解码。
J Neurosci Methods. 2024 Jan 1;401:110004. doi: 10.1016/j.jneumeth.2023.110004. Epub 2023 Oct 31.
6
An Overview of Bipolar Disorder Diagnosis Using Machine Learning Approaches: Clinical Opportunities and Challenges.使用机器学习方法进行双相情感障碍诊断概述：临床机遇与挑战
Iran J Psychiatry. 2023 Apr;18(2):237-247. doi: 10.18502/ijps.v18i2.12372.
7
Possible Neuropathological Mechanisms Underlying the Increased Complexity of Brain Electrical Activity in Schizophrenia: A Computational Study.精神分裂症患者脑电活动复杂性增加背后可能的神经病理学机制：一项计算研究
Iran J Psychiatry. 2023 Apr;18(2):127-133. doi: 10.18502/ijps.v18i2.12363.
8
Pattern classification based on the amygdala does not predict an individual's response to emotional stimuli.基于杏仁核的模式分类不能预测个体对情绪刺激的反应。
Hum Brain Mapp. 2023 Aug 15;44(12):4452-4466. doi: 10.1002/hbm.26391. Epub 2023 Jun 23.
9
Multi-task deep learning for medical image computing and analysis: A review.多任务深度学习在医学图像计算和分析中的应用综述。
Comput Biol Med. 2023 Feb;153:106496. doi: 10.1016/j.compbiomed.2022.106496. Epub 2022 Dec 28.
10
Functional magnetic resonance imaging, deep learning, and Alzheimer's disease: A systematic review.功能磁共振成像、深度学习与阿尔茨海默病：系统综述。
J Neuroimaging. 2023 Jan;33(1):5-18. doi: 10.1111/jon.13063. Epub 2022 Oct 18.