HBAR
fMRI как дискретные токены на трёх масштабах
2 мин чтенияобновлено
HBAR — это pretrained tokenizer для resting-state fMRI: он превращает воксельные BOLD-сигналы в дискретные токены на трёх масштабах и умеет восстанавливать сигнал обратно. Внутри — иерархия из 16-воксельных чанков, parcels (участков) DiFuMo-1024 и функциональных сетей Yeo-17 (плюс группа для parcel без назначения); каждый уровень квантуется через BSQ (бинарное сферическое квантование), а декодер идёт остаточно от сети к parcel и вокселю. Авторы выпустили два варианта: hbar52_fixed со сжатием 52× (5,65 млн параметров) и hbar415_fixed с 415× (7,31 млн). Модели обучены на resting-state HCP Young Adult (877 субъектов), оценка — на 109 отложенных; на входе окна по 32 TR. Пригодится исследователям, которым нужны компактные fMRI-токены для downstream-задач и линейных проб.
Ключевые особенности
- Три масштаба: воксельные чанки по 16 вокселей, parcels DiFuMo-1024 и сети Yeo-17.
- BSQ-квантование на каждом уровне; декодер собирает сигнал остаточно от сети к parcel и вокселю.
- Два чекпоинта: 52× сжатие (5,65M параметров) и 415× (7,31M), по три seed-веса.
- Обучение на HCP Young Adult: 877 train и 109 test субъектов, вход — окна 32 TR.
- Общий layout на 190 468 серых вокселей MNI152 2 мм; данные субъектов не входят.
Что можно сделать
- Экспортировать дискретные fMRI-токены и использовать их в downstream-моделях или линейных пробах.
- Сравнить hbar52_fixed и hbar415_fixed по качеству реконструкции на своих resting-state данных.
- Встроить токенизатор в пайплайн после fMRIPrep, переиспользуя готовый layout из релиза.
- Запустить готовый autoregressive readout из репозитория для своих экспериментов.
Пример
git clone https://github.com/su-karanps/HBAR && cd HBAR
pip install -r requirements.txt
hf download karanps/HBAR --local-dir checkpoints
python3 scripts/eval/recon_metrics_per_subject.py --data_config configs/fmri/data.yaml --split test --model hbar52_fixed:checkpoints/hbar52_fixed/config.yaml:checkpoints/hbar52_fixed/seed0.pth --windows_per_subject 16 --seed 0
Подробнее
Сжатие: 52× и 415×; параметры: 5,65M и 7,31M.Обучение: HCP Young Adult, 877 субъектов; тест: 109 субъектов; вход — 32 TR.
Нужен точный layout из релиза; HCP-данные скачиваются отдельно по условиям проекта.
Чекпоинты содержат только веса; лицензия MIT.










Комментарии