基于梯度的表征相似性分析与搜索light用于fMRI数据分析
神经元与认知
2018-09-13 v1 机器学习
机器学习
摘要
表征相似性分析（RSA）旨在探索不同刺激下神经活动之间的相似性。经典RSA技术采用协方差矩阵的逆来探索神经活动与任务事件之间的线性模型。然而，计算大规模协方差矩阵的逆非常耗时，并会降低最终分析的稳定性和鲁棒性。尤其当样本数量过大时，这一问题更为严重。为应对此缺陷，本文提出一种称为基于梯度的RSA（GRSA）的新型RSA方法。此外，所提方法不局限于线性模型。事实上，寻找更有效利用多被试与全脑fMRI数据的方法正日益受到关注。Searchlight技术可将RSA从局部脑区扩展到全脑区，且在每次处理中具有更小的内存占用。基于Searchlight，我们提出一种称为时空Searchlight GRSA（SSL-GRSA）的新方法，将我们基于ROI的GRSA算法推广到全脑数据。进一步，我们的方法在处理大规模多被试fMRI数据时能够应对一些计算挑战。在多被试数据集上的实验研究证实，两种所提方法的性能均优于其他最先进的RSA算法。
引用
@article{arxiv.1809.04429,
title = {Gradient-based Representational Similarity Analysis with Searchlight for Analyzing fMRI Data},
author = {Xiaoliang Sheng and Muhammad Yousefnezhad and Tonglin Xu and Ning Yuan and Daoqiang Zhang},
journal= {arXiv preprint arXiv:1809.04429},
year = {2018}
}
备注
Conference: Chinese Conference on Pattern Recognition and Computer Vision 2018 (PRCV18), 23-26/Nov, Guangzhou, China