基于 fMRI 数据对自传体记忆效价的分类
机器学习
2020-07-27 v2 图像与视频处理
神经元与认知
机器学习
摘要
我们表明，在跨被试设定下，使用机器学习工具的 fMRI 分析足以区分自由提取的自传体记忆的效价（即正性或负性）。我们的方法使用特征选择（ReliefF）与提升方法相结合，二者均直接应用于以体素空间表示的数据。在先前使用同一数据集的工作中，Nawa 和 Ando 表明，仅当训练与测试数据来自同一被试时，基于全脑的分类才能达到高于随机水平的分类准确率。在跨被试设定下，分类结果在统计上不显著。此外，平均而言，使用 ReliefF 所获得的分类准确率显著高于先前结果——被试内分类为 81%，跨被试分类为 62%。进而，由于特征定义于体素空间，可以展示脑图以指示对分类结果最具相关性的区域。有趣的是，使用所提出的计算流程所选出的体素似乎与当前关于积极参与自传体记忆过程的脑区的神经生理学理论相一致。
引用
@article{arxiv.1909.04390,
title = {Classifying the Valence of Autobiographical Memories from fMRI Data},
author = {Alex Frid and Larry M. Manevitz and Norberto Eiji Nawa},
journal= {arXiv preprint arXiv:1909.04390},
year = {2020}
}