Tese

Codificação de Dados fMRI com Grandes Modelos de Linguagem: Avaliação de Estratégia Multissujeito e Mapeamento Intersujeito (2025)

• Authors:
  • Vicente, Ana Letícia Garcez
  • Carvalho, André Carlos Ponce de Leon Ferreira de (Orientador)
• Autor USP: VICENTE, ANA LETÍCIA GARCEZ - ICMC
• Unidade: ICMC
• Sigla do Departamento: SME
• DOI: 10.11606/D.55.2025.tde-14012026-151005
• Subjects: MODELOS LINEARES GENERALIZADOS; CÉREBRO; REDES NEURAIS; NEUROIMAGEM
• Keywords: Brain encoding; Codificação cerebral; fMRI; fMRI; Interindividual variability; Language models; Modelos de linguagem; Variabilidade interindividual
• Agências de fomento:
  • Financiamento CAPES
  • Financiamento FAPESP
• Language: Português
• Abstract: Compreender como a atividade cerebral generaliza entre indivíduos permanece um desafio central na neurociência cognitiva, especialmente devido à alta variabilidade intersujeitos presente em dados de fMRI. Essa variabilidade compromete o uso direto de dados entre indivíduos, dificultando a criação de representações neurais compartilhadas e limitando a aplicação de modelos em situações com poucos dados do sujeito de interesse. Este trabalho tem como objetivo propor e avaliar uma estratégia de mapeamento intersujeito que possibilite integrar informações de múltiplos sujeitos, reduzindo o ruído individual e promovendo a extração de representações cerebrais mais robustas e compartilhadas. Para isso, foi desenvolvido um método simples, e que se mostrou eficaz, baseado em modelos lineares treinados para prever a atividade de uma região central (parcela) no cérebro de um sujeito-alvo a partir da atividade das regiões vizinhas de diversos sujeitos-fonte. As previsões geradas por múltiplos mapeamentos intersujeito são combinadas pela média, resultando em sinais mais consistentes e menos suscetíveis à variabilidade individual. Esses sinais mapeados são então utilizados para treinar modelos de codificação cerebral, também lineares, que buscam estimar as respostas neurais do sujeito-alvo a partir de representações linguísticas contextualizadas geradas por modelos baseados em redes neurais profundas, em particular, grandes modelos de linguagem, como BERT e Tiny LLaMA. Os resultadosexperimentais mostram que o uso desse mapeamento intersujeito melhora o desempenho dos modelos de codificação, mesmo quando há pouca quantidade de dados reais do sujeito-alvo. Pelos resultados, é possível concluir que essa abordagem permite o uso mais eficiente de dados de neuroimagem, contribuindo para o avanço de modelos computacionais mais generalizáveis e acessíveis capazes de simular respostas cerebrais a novos estímulos linguísticos com base em dados de outros indivíduos.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2025
• Data da defesa: 25.08.2025

Informações sobre o DOI: 10.11606/D.55.2025.tde-14012026-151005 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo NÃO é de acesso aberto
  

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  VICENTE, Ana Letícia Garcez. Codificação de Dados fMRI com Grandes Modelos de Linguagem: Avaliação de Estratégia Multissujeito e Mapeamento Intersujeito. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-14012026-151005/. Acesso em: 23 jan. 2026.

• APA

  Vicente, A. L. G. (2025). Codificação de Dados fMRI com Grandes Modelos de Linguagem: Avaliação de Estratégia Multissujeito e Mapeamento Intersujeito (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-14012026-151005/

• NLM

  Vicente ALG. Codificação de Dados fMRI com Grandes Modelos de Linguagem: Avaliação de Estratégia Multissujeito e Mapeamento Intersujeito [Internet]. 2025 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-14012026-151005/

• Vancouver

  Vicente ALG. Codificação de Dados fMRI com Grandes Modelos de Linguagem: Avaliação de Estratégia Multissujeito e Mapeamento Intersujeito [Internet]. 2025 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-14012026-151005/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Explainable LightGBM approach for predicting myocardial infarction mortality