在這篇 NeurIPS23 論文中，來自魯汶大學、新加坡國立大學和中科院自動化所的研究者提出了一種視覺 「讀腦術(shù)」，能夠從人類的大腦活動中以高分辨率出解析出人眼觀看到的圖像。

人類的感知不僅由客觀刺激塑造，而且深受過往經(jīng)驗的影響，這些共同促成了大腦中的復雜活動。在認知神經(jīng)科學領(lǐng)域，解碼大腦活動中的視覺信息成為了一項關(guān)鍵任務(wù)。功能性磁共振成像（fMRI）作為一種高效的非侵入性技術(shù)，在恢復和分析視覺信息，如圖像類別方面發(fā)揮著重要作用。

然而，由于 fMRI 信號的噪聲特性和大腦視覺表征的復雜性，這一任務(wù)面臨著不小的挑戰(zhàn)。針對這一問題，本文提出了一個雙階段 fMRI 表征學習框架，旨在識別并去除大腦活動中的噪聲，并專注于解析對視覺重建至關(guān)重要的神經(jīng)激活模式，成功從大腦活動中重建出高分辨率且語義上準確的圖像。

論文鏈接：https://arxiv.org/abs/2305.17214

項目鏈接：https://github.com/soinx0629/vis_dec_neurips/

論文中提出的方法基于雙重對比學習、跨模態(tài)信息交叉及擴散模型，在相關(guān) fMRI 數(shù)據(jù)集上取得了相對于以往最好模型接近 40% 的評測指標提升，在生成圖像的質(zhì)量、可讀性及語義相關(guān)性相對于已有方法均有肉眼可感知的提升。該工作有助于理解人腦的視覺感知機制，有益于推動視覺的腦機接口技術(shù)的研究。相關(guān)代碼均已開源。

功能性磁共振成像（fMRI）雖廣泛用于解析神經(jīng)反應，但從其數(shù)據(jù)中準確重建視覺圖像仍具挑戰(zhàn)，主要因為 fMRI 數(shù)據(jù)包含多種來源的噪聲，這些噪聲可能掩蓋神經(jīng)激活模式，增加解碼難度。此外，視覺刺激引發(fā)的神經(jīng)反應過程復雜多階段，使得 fMRI 信號呈現(xiàn)非線性的復雜疊加，難以逆轉(zhuǎn)并解碼。

傳統(tǒng)的神經(jīng)解碼方式，例如嶺回歸，盡管被用于將 fMRI 信號與相應刺激關(guān)聯(lián)，卻常常無法有效捕捉刺激和神經(jīng)反應之間的非線性關(guān)系。近期，深度學習技術(shù)，如生成對抗網(wǎng)絡(luò)（GAN）和潛在擴散模型（LDMs），已被采用以更準確地建模這種復雜關(guān)系。然而，將視覺相關(guān)的大腦活動從噪聲中分離出來，并準確進行解碼，依然是該領(lǐng)域的主要挑戰(zhàn)之一。

為了應對這些挑戰(zhàn)，該工作提出了一個雙階段 fMRI 表征學習框架，該方法能夠有效識別并去除大腦活動中的噪聲，并專注于解析對視覺重建至關(guān)重要的神經(jīng)激活模式。該方法在生成高分辨率及語義準確的圖像方面，其 50 分類的 Top-1 準確率超過現(xiàn)有最先進技術(shù) 39.34%。

方法概述

fMRI 表征學習 (FRL)

第一階段：預訓練雙對比掩模自動編碼器 (DC-MAE)

為了在不同人群中區(qū)分共有的大腦活動模式和個體噪聲，本文引入了 DC-MAE 技術(shù)，利用未標記數(shù)據(jù)對 fMRI 表征進行預訓練。DC-MAE 包含一個編碼器和一個解碼器，其中以遮蔽的 fMRI 信號為輸入，?則被訓練以預測未遮蔽的 fMRI 信號。所謂的 “雙重對比” 是指模型在 fMRI 表征學習中優(yōu)化對比損失并參與了兩個不同的對比過程。

在第一階段的對比學習中，每個包含 n 個 fMRI 樣本 v 的批次中的樣本被隨機遮蔽兩次，生成兩個不同的遮蔽版本和，作為對比的正樣本對。隨后，1D 卷積層將這兩個版本轉(zhuǎn)換為嵌入式表示，分別輸入至 fMRI 編碼器。解碼器?接收這些編碼的潛在表示，產(chǎn)生預測值和。通過 InfoNCE 損失函數(shù)計算的第一次對比損失，即交叉對比損失，來優(yōu)化模型：

在第二階段對比學習中，每個未遮蔽的原始圖像及其相應的遮蔽圖像形成一對天然正樣本。這里的代表解碼器預測出的圖像。第二次對比損失，也就是自對比損失，根據(jù)以下公式進行計算：

優(yōu)化自對比損失能夠?qū)崿F(xiàn)遮蔽重建。無論是還是，負樣本都來自同一批次的實例。和共同按如下方式優(yōu)化：，其中超參數(shù)和用于調(diào)節(jié)各損失項的權(quán)重。

• 第二階段：使用跨模態(tài)指導進行調(diào)整

考慮到 fMRI 記錄的信噪比較低且高度卷積的特性，專注于與視覺處理最相關(guān)且對重建最有信息價值的大腦激活模式對 fMRI 特征學習器來說至關(guān)重要。

在第一階段預訓練后，fMRI 自編碼器通過圖像輔助進行調(diào)整，以實現(xiàn) fMRI 的重建，第二階段同樣遵循此過程。具體而言，從 n 個樣本批次中選擇一個樣本及其對應的 fMRI 記錄的神經(jīng)反應。和經(jīng)過分塊和隨機遮蔽處理，分別轉(zhuǎn)變?yōu)?/span>和，然后分別輸入到圖像編碼器和 fMRI 編碼器中，生成和。為重建 fMRI，利用交叉注意力模塊將和進行合并：

W 和 b 分別代表相應線性層的權(quán)重和偏置。是縮放因子，是鍵向量的維度。CA 是交叉注意力（cross-attention）的縮寫。加上后，輸入到 fMRI 解碼器中以重建，得到：

圖像自編碼器中也進行了類似的計算，圖像編碼器的輸出通過交叉注意力模塊與的輸出合并，然后用于解碼圖像，得到：

通過優(yōu)化以下?lián)p失函數(shù)，fMRI 和圖像自編碼器共同進行訓練：

使用潛在擴散模型 (LDM) 生成圖像

在完成 FRL 第一階段和第二階段的訓練后，使用 fMRI 特征學習器的編碼器來驅(qū)動一個潛在擴散模型（LDM），從大腦活動生成圖像。如圖所示，擴散模型包括一個向前的擴散過程和一個逆向去噪過程。向前過程逐漸將圖像降解為正態(tài)高斯噪聲，通過逐漸引入變方差的高斯噪聲。

該研究通過從預訓練的標簽至圖像潛在擴散模型（LDM）中提取視覺知識，并利用 fMRI 數(shù)據(jù)作為條件生成圖像。這里采用交叉注意力機制，將 fMRI 信息融入 LDM，遵循穩(wěn)定擴散研究的建議。為了強化條件信息的作用，這里采用了交叉注意力和時間步條件化的方法。在訓練階段，使用 VQGAN 編碼器和經(jīng) FRL 第一和第二階段訓練的 fMRI 編碼器處理圖像 u 和 fMRI v，并在保持 LDM 不變的情況下微調(diào) fMRI 編碼器，損失函數(shù)為：

其中，是擴散模型的噪聲計劃。在推理階段，過程從時間步長 T 的標準高斯噪聲開始，LDM 依次遵循逆向過程逐步去除隱藏表征的噪聲，條件化在給定的 fMRI 信息上。當?shù)竭_時間步長零時，使用 VQGAN 解碼器將隱藏表征轉(zhuǎn)換為圖像。

實驗

重建結(jié)果

通過與 DC-LDM、IC-GAN 和 SS-AE 等先前研究的對比，并在 GOD 和 BOLD5000 數(shù)據(jù)集上的評估中顯示，該研究提出的模型在準確率上顯著超過這些模型，其中相對于 DC-LDM 和 IC-GAN 分別提高了 39.34% 和 66.7%

在 GOD 數(shù)據(jù)集的其他四名受試者上的評估顯示，即使在允許 DC-LDM 在測試集上進行調(diào)整的情況下，該研究提出的模型在 50 種方式的 Top-1 分類準確率上也顯著優(yōu)于 DC-LDM，證明了提出的模型在不同受試者大腦活動重建方面的可靠性和優(yōu)越性。

實驗結(jié)果表明，利用所提出的 fMRI 表示學習框架和預先訓練的 LDM，可以更好的重建大腦的視覺活動，大大優(yōu)于目前的基線。該工作有助于進一步挖掘神經(jīng)解碼模型的潛力。