我有一个由来自小鼠的fMRI图像组成的数据集（显示激活的大脑图像）。每个图像属于一个类。每个类别代表施用于小鼠的不同药物剂量。数据集如下：
Class 1: 9 images
Class 2: 10 images
Class 3: 6 images
Class 4: 12 images
每个图像是4D（时间序列），即90x60x10x350，其中350是时间维度（即350个3D体积）。我想在这个数据上训练一个分类器（例如SVM）。最后，如果是将图像（即从中提取的特征）放入应该预测类的分类器中。
我正在考虑计算将每个体素处理为维度350的矢量（即时间长度）的图像的所有体素之间的互相关。我将互相关值作为一个特征，最后我为每个图像都有一个特征向量。然后我会应用PCA来降低维度。问题是现在每个图像包含90 * 60 * 10 = 54'000个体素，并且计算所有体素之间的互相关将导致54'000！计算和特征向量大小是不可行的。
我应该如何解决这个问题？我应该只考虑x-y维度中的互相关，还是应该将每个图像分成立方体并对立方体中的体素进行平均，然后采用立方体之间的互相关？
顺便问一下，我应该在Matlab或其他措施中更好地使用“corr”吗？
我真的需要帮助，我总是陷入困境。