Los humanos aprenden de muchas fuentes de información para tomar decisiones. Una vez que esta información se aprende en el cerebro, se crean asociaciones espacio-temporales, conectando todas estas fuentes (variables) en el espacio y el tiempo representados como conectividad cerebral. En realidad, para tomar una decisión, generalmente solo tenemos parte de la información, ya sea un número limitado de variables, tiempo limitado para tomar la decisión, o ambas cosas. El cerebro funciona como una memoria asociativa espacio-temporal. Inspirado en la capacidad del cerebro humano, se propuso anteriormente una memoria asociativa espacio-temporal inspirada en el cerebro que utilizaba el marco de red neuronal de disparo inspirado en el cerebro NeuCube. Aquí aplicamos el marco STAM para desarrollar STAM para datos de neuroimagen, en los casos de EEG y fMRI, dando como resultado STAM-EEG y STAM-fMRI. Este artículo mostró que una vez que se entrenó un modelo de clasificación NeuCube STAM en datos completos de EEG o fMRI espacio-temporales, se podía recordar utilizando solo parte de la serie temporal, y/o solo parte de las variables utilizadas. Evaluamos tanto la asociación temporal y espacial como la precisión de generalización en consecuencia. Este fue un estudio piloto que abre el campo para el desarrollo de sistemas de clasificación en otros datos de neuroimagen, como datos de resonancia magnética longitudinal, entrenados en datos completos pero recordados en datos parciales. La investigación futura incluye STAM que funcionará en datos recopilados en diferentes entornos, en diferentes laboratorios y clínicas, que pueden variar en términos de las variables y el momento de la recopilación de datos, junto con otros parámetros. El STAM propuesto será investigado más a fondo para el diagnóstico temprano y pronóstico de condiciones cerebrales y para el descubrimiento de marcadores diagnósticos/pronósticos.