跨模态脑激活分析中共享模式的检验方法
神经元与认知
2019-10-14 v1 机器学习
机器学习
其他统计学
摘要
确定不同的认知模态（此处理解为大脑对刺激进行加工所依赖的一组认知过程）在多大程度上依赖于重叠的神经表征，是认知神经科学中的一个基本问题。在过去十年中，共享活动模式的识别主要被构建为一个监督学习问题。例如，在模态 I（如感知）中训练一个分类器来区分类别（如面孔与房屋），并在模态 II（如想象）中的相同类别上进行测试。这类分析通常被称为跨模态解码。在本文中，我们采取一种不同的方法，将评估跨模态共享模式的问题置于统计假设检验的框架内。我们提出了一种适当的检验统计量以及一种基于置换检验的方案，以计算该检验的显著性，同时仅作极小的分布假设。我们将此检验记为跨模态置换检验（CMPT）。我们还在合成数据集上提供了经验证据，表明我们的方法比跨模态解码方法具有更大的统计功效，同时保持较低的 I 类错误（拒绝真实的原假设）。我们在一个包含三种不同认知模态（感知、想象、视觉搜索）的 fMRI 数据集上比较了两种方法。最后，我们展示了如何将 CMPT 与 Searchlight 分析相结合，以探索共享活动模式的空间分布。
引用
@article{arxiv.1910.05271,
title = {A Test for Shared Patterns in Cross-modal Brain Activation Analysis},
author = {Elena Kalinina and Fabian Pedregosa and Vittorio Iacovella and Emanuele Olivetti and Paolo Avesani},
journal= {arXiv preprint arXiv:1910.05271},
year = {2019}
}
备注
5 figures, tables after References (as required by SciRep template)