用于解码人脑视觉刺激的解剖模式分析
机器学习
2017-10-06 v1 计算机视觉与模式识别
神经元与认知
摘要
背景：神经科学和机器学习中一个普遍未解的问题是计算机能否解码人脑的模式。多体素模式分析(MVPA)是解决这一问题的关键工具。然而，以往的MVPA方法面临两个挑战，包括减少提取特征中的稀疏性和噪声，以及提高预测性能。方法：为克服上述挑战，本文提出了一种用于解码人脑视觉刺激的解剖模式分析(APA)。该框架开发了一种新颖的解剖特征提取方法和一种用于二元分类的新型不平衡AdaBoost算法。此外，它利用纠错输出码(ECOC)方法进行多类预测。APA能够自动检测每个视觉刺激类别的活跃区域。此外，它使我们能够结合同质数据集以应用高级分类。结果与结论：在4个视觉类别（单词、辅音、物体和打乱的照片）上的实验研究表明，所提出的方法取得了优于SOTA方法的性能。
引用
@article{arxiv.1710.02113,
title = {Anatomical Pattern Analysis for decoding visual stimuli in human brains},
author = {Muhammad Yousefnezhad and Daoqiang Zhang},
journal= {arXiv preprint arXiv:1710.02113},
year = {2017}
}
备注
Published in Cognitive Computation