基于任务的功能磁共振成像（tfMRI）已被广泛用于通过功能磁共振成像扫描中的预定义刺激范例探索功能性大脑网络。 传统上，通用线性模型（GLM）是检测任务引发网络的主要方法。 但是，GLM专注于任务诱发或事件诱发的大脑React，并且可能忽略了大脑固有的功能。 相比之下，词典学习和稀疏编码方法近来备受关注，这些方法已显示出将fMRI信号自动系统地分解为有意义的任务诱发和内在并发网络的希望。 然而，当前数据驱动的字典学习方法的两个显着局限性是：任务范式的先验知识没有得到充分利用，并且不同大脑中字典原