通过使用不同的生成模型，包括扩散模型（DM），将不同功能性磁共振成像（fMRI）管道生成的统计图转换，我们提出了一种新的方法来提高神经影像学结果的可重复性。利用 DM 和无监督的多域图像之间的转换框架，我们通过一个辅助分类器的潜在空间来限制生成的 3D fMRI 统计图，并扩展传统的采样技术来改善转换性能。我们的实验证明了我们提出的方法的成功性：管道确实可以转换，为未来的医学研究提供了重要的数据增强来源。

Apr, 2024

通过对大量正电子发射断层扫描数据进行统计分析，我们提出了一种通用性框架，用于处理脑结构和功能的多元宇宙情景中的噪音，并汇总多个数据预处理流程的结果，以得出准确结论。

Apr, 2024

本文综述了功能连接组的快速发展和多种方法，在静息状态下和任务驱动实验中如何比较它们，同时分析它们在不同个体和条件下的变异性，可以揭示大脑病理和认知机制的标记。

Apr, 2013

使用拓扑学方法编码 fMRI 数据检测时间点后高维空间极小值的并归图，以此来处理数据集中的噪音及人与人之间的差异，并开发了一种聚类和轨迹分析的技术，成功分析儿童和成人在观看电影 “Partly Cloudy” 时的大脑状态和拓扑活动。

Jun, 2020

本文提出了一个可训练的流程，以促进 fMRI 数据的分析和下游预测任务。结果表明，该流程能够更有效并独特地进行解释。

Jul, 2021

本文提出一种基于跨学科功能磁共振成像数据聚合的方法，使用跨主题图作为开发更灵活框架的先验条件，以处理各种类型的功能磁共振成像数据集，并进一步规范了该框架，提出了一种可行的基于核的优化方法，以避免因 fMRI 数据的空间低且时间分辨率高产生的过拟合问题。实验结果表明，该方法不仅适用于处理时间对齐的 fMRI 数据，而且还适用于处理时间不对齐的 fMRI 数据。

May, 2019

研究使用 R-fMRI 从人们的脑功能区构建个体特定的连通图谱，能够提高自闭症谱系障碍患者的神经心理状态的识别准确率，其数据集可以从多个不同处获取，且所提取的功能脑区明显比参考图谱更具有生物标志物发现的重要性。

Nov, 2016

我们提出了一种新的统计测试方法，用于评估数据分析流水线的统计显著性，该测试方法基于选择性推断，适用于由一组数据分析组件组成的任何数据分析流水线配置。我们通过合成和真实数据的实验证实了统计测试的有效性，并提出了一个实现框架，可以在此类数据分析流水线的任何配置上进行测试，无需额外的实现成本。

Jun, 2024

利用最少的预处理提供无偏差和稳健的多模式神经影像注册，通过单一结构化框架联合处理不同图像模式，使用先进的基于学习的技术实现快速推论，适用于大规模和 / 或多队列数据集，目前可处理结构 MRI、静息状态 fMRI 和淀粉样 PET 图像，通过案例对照研究证明了所得生物标志物的预测能力，并研究了不同图像模式之间的跨模式关系。

Jan, 2024

使用功能性磁共振成像 (fMRI) 构建大脑功能连通图能够帮助理解和诊断自闭症谱系障碍 (ASD) 的特点，进而提高治疗效果。提出了一种层次化的局部 - 全局 Transformer 架构 Com-BrainTF，能够学习到考虑社群内外关联的节点表示，并在 ASD 预测任务中取得比最先进架构更好的性能，拥有高可解释性。

Jun, 2023