透過小波變換與頻譜流匹配生成 fMRI 時間序列用於腦部疾病識別

研究論文提出一個名為雙頻譜流匹配（DSFM）的創新生成框架，專門用於合成功能性磁振造影（fMRI）時間序列數據，以支援腦部疾病識別。論文指出，fMRI 通過測量血氧水平依賴（BOLD）信號來非侵入性地監測動態腦部活動，但其資源密集的獲取過程限制了高質量樣本的可用性，這對數據驅動的腦分析模型構成挑戰。現有的生成模型往往難以複製原始 BOLD 信號的內在非平穩性、複雜的時空動態以及生理變化。為解決這些問題，DSFM 框架結合了雙頻率表示與頻譜流匹配。具體而言，該框架首先通過離散小波變換（DWT）將 BOLD 信號轉換為小波分解圖，以捕捉全域瞬態和多尺度變化，並投影到離散餘弦變換（DCT）空間，以利用跨腦區和時間的低頻主導 BOLD 係數的局部能量壓縮。隨後，訓練一個頻譜流匹配模型來生成類別條件的餘弦頻率表示。生成的樣本通過逆 DCT 和逆 DWT 操作重建，以恢復生理合理的時間域 BOLD 信號。這種雙變換方法施加了結構化頻率先驗，並保留了關鍵的生理腦部動態。最終，研究通過改善基於 fMRI 的腦網絡分類來展示該方法的有效性。相關代碼已在 GitHub 上公開，供研究社群使用。