Learning Robust and Task-Invariant Functional Representation from fMRI through Siamese Self-Supervised Learning

En 3 lignesBrainSimSiam, un framework d'apprentissage auto-supervisé léger, apprend des représentations robustes à partir de données fMRI sans labels. Utilisant des paires positives uniquement, il généralise sur plusieurs tâches (classification, régression) et surpasse les baselines supervisés, réduisant les besoins computationnels des modèles fondationnels en neuroimagerie.

Résumé généré par Claude — vérifié par l'humain