ROI ↔ Voxel 研究关联
两条互补的表征路线：Brain-DiT 使用图谱定义的 ROI 信号，Omni-fMRI 直接学习体素体积。
模型 · 方法 · 数据
理解脑活动，连接研究。
研究关系图
09 项研究研究关联方法复用
悬停项目或连线，了解研究与关系；点击项目，阅读完整解读。
左右滑动浏览关系图，点击项目进入解读。
fMRI Atlas / 研究关系图
三种空间接口，相互关联的研究问题。
体素体积、ROI 时间序列与皮层表面，提供理解脑活动的不同路径。悬停项目或连线，查看它们如何相互联系。
Omni-fMRI
Voxel体素级统一表征，如何迁移到不同 fMRI 数据集？
Brain-DiT
ROI模型如何跨越不同脑状态进行学习？
FlatClip
Surface已有视觉模型，能否为 fMRI 提供有效特征？
SLIM-Brain
Voxel哪些时刻需要昂贵的体素级计算？
FlexiBrain
Voxel一个编码器如何处理异构的采集分辨率？
BrainWorld
Voxel个体解剖结构能否引导全脑 fMRI 动态生成？
DCA
Voxel学习到的体素特征，能否帮助发现个体脑分区？
fMRI Scaling Study
ROI预算固定时，应该增加数据、模型规模，还是训练时长？
BrainTaskonomy
ROI应该如何组织预训练，又该从哪些任务迁移？
查看 9 条研究关系
Surface ↔ Voxel 研究关联
两种空间接口：FlatClip 通过皮层 flatmap 复用视觉编码器；Omni-fMRI 直接学习体素体积。
ROI ↔ Surface 研究关联
不同接口保留不同空间信息：Brain-DiT 使用 ROI 时间序列，FlatClip 使用皮层 flatmap。
时间效率 研究关联
SLIM-Brain 通过时间窗路由与稀疏 Hiera-JEPA 计算，推进高效体素学习。
分辨率扩展 研究关联
FlexiBrain 利用 Mamba-JEPA，将体素学习拓展到原生空间和不同采集分辨率。
四维生成 研究关联
从 Brain-DiT 的 ROI 条件扩散，推进到 BrainWorld 的解剖条件全脑体素动态生成。
图谱发现 研究关联
从体素表征到脑组织发现：DCA 基于预训练 Swin-UNETR 特征与空间图，学习个体脑分区。
ROI 规模扩展 研究关联
两项 ROI 级学习研究：Scaling 考察 NeuroJEPA 的训练预算分配；Brain-DiT 通过条件扩散学习表征。
Brain-DiT 代理 方法复用
直接方法复用：BrainTaskonomy 使用轻量 Brain-DiT 代理模型，估计领域难度与有向促进关系。
从三个问题出发
如何从脑活动中学习？
保留空间细节，适应不同采集条件，并降低长时程记录的建模成本。
这些表征能带来什么？
探索条件生成、全脑动态，以及个体化脑分区。
如何用好数据与算力？
比较模型复用、训练预算分配与任务迁移策略。
精选研究
查看全部研究
选择项目
探索研究
模型与方法
按输入模态
和研究用途浏览项目。
9 个研究项目按论文版本日期排序
没有找到匹配项目
试试其他模态、用途或关键词。
关于 fMRI Atlas
展示我们在脑表征、动态与空间组织方面的研究，以及每个项目背后的论文、模型与数据。