神经影像中的深度学习

即使在我们睡觉时，我们的大脑也会存储模式。 大脑一直是一个复杂的课题。

国际知名神经科学家克里斯托夫·科赫 (Christoff Koch) 曾称大脑是“我们可观测宇宙中最复杂的物体”[1]。 亚里士多德认为意识是心脏的产物，而大脑在哲学上和实践上都是一种冷却机制 [2]。 从那以后，大脑理论得到了发展。 它们主要是由许多世纪以来积累的知识塑造的。 过去，我们要么必须移除死者的大脑，要么进行侵入性手术来研究大脑。 在过去的几十年里，我们取得了进步，使我们能够在不需要侵入性手术的情况下研究人脑。 一些成像技术不需要手术，例如功能性磁共振成像等宏观技术或具有高空间分辨率的方法（例如脑电图）。 闭环电刺激器系统已用于治疗癫痫等疾病，最近还用于治疗抑郁症 [3,4]。 神经成像技术可以生成大量关于我们尚未完全了解的复杂器官的数据。 这导致了能够学习有意义的特征的非线性模型和算法的发展。

本文简要介绍了神经影像数据的独特特征，以及如何使用深度学习算法来利用它们。 本概述将详细解释一些常见的神经影像学方法，然后结合神经影像学的独特特性讨论深度学习的应用。 这些独特的特征是深度学习中更大运动的一部分，即理解数据应该是最大化影响的目标。

来源和详细信息：
https://thegradient.pub/the-role-of-deep-learning-in-understanding-neuroimaging-data/