基于解剖学模式分析对 fMRI 图像中人类大脑视觉刺激的解码
机器学习
2016-09-06 v1 机器学习
神经元与认知
摘要
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类大脑的模式。多体素模式分析 (MVPA) 是解决这一问题的关键工具。然而，此前的 MVPA 方法存在两个挑战，包括减少提取特征中的稀疏性和噪声，以及提高预测性能。为了克服上述挑战，本文提出了解剖学模式分析 (APA) 用于解码人类大脑中的视觉刺激。该框架开发了一种新的解剖学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 可以自动检测每类视觉刺激的活跃区域。此外，它使我们能够结合同质数据集以应用高级分类。对 4 个视觉类别（单词、辅音、物体和加扰照片）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.1609.00921,
title = {Decoding visual stimuli in human brain by using Anatomical Pattern Analysis on fMRI images},
author = {Muhammad Yousefnezhad and Daoqiang Zhang},
journal= {arXiv preprint arXiv:1609.00921},
year = {2016}
}
备注
The 8th International Conference on Brain Inspired Cognitive Systems (BICS'16), Beijing, China, Nov/28-30/2016