arXiv q-bio.NC（Neurons and Cognition）·2026-11-04 13:00· 3 小时前AI 评分47

跨受试者自然刺激 fMRI 预测中模型复杂度何时重要

When Model Complexity Matters in Cross-Subject Naturalistic fMRI Prediction

AI 导读

研究比较线性诊断参考与非线性预测器在 HCP 电影 fMRI（154 名受试者）、BOLD Moments（10 名受试者）和 Algonauts 2025（4 名受试者）上的跨受试者预测表现，模型在训练受试者上拟合后不再重拟合即用于留出受试者评估。

AI 要点

团队

第一作者 Junhao Zhao，末位作者 Nan Xu，共 5 位作者。

主要结果

预训练视觉特征普遍优于原始像素，线性自回归下优势随 rollout 延长更明显；实测 BOLD 历史带来显著增益，但随 rollout 延长而减弱。

解决什么问题

探究跨被试自然刺激 fMRI 预测中，预训练刺激表征何时有用、下游需要多少复杂度。

方法

在 HCP movie fMRI（154 人）、BOLD Moments（10 人）、Algonauts 2025（4 人）上比较线性诊断参照与非线性预测器，训练被试拟合、留出被试评估，不重新拟合。

局限

从研究设计看，为离线固定协议下的可行性比较，未设对照干预；评估被试观看的刺激大多熟悉。

AI 依据原文整理，未经人工核对。