用于多被试fMRI数据对齐的局部判别超对齐

Muhammad Yousefnezhad; Daoqiang Zhang

用于多被试fMRI数据对齐的局部判别超对齐

机器学习 2016-11-28 v1 人工智能机器学习

作者: Muhammad Yousefnezhad , Daoqiang Zhang

摘要

多变量模式(MVP)分类可将不同认知状态映射到脑任务。MVP分析的主要挑战之一是跨被试验证生成结果。然而，分析多被试fMRI数据需要不同被试神经活动间准确的功能对齐，这能快速提升最终结果性能与鲁棒性。超对齐(HA)是最有效的功能对齐方法之一，可由典型相关分析(CCA)方法数学表述。由于HA大多使用无监督CCA技术，其解可能未针对MVP分析优化。通过将局部判别分析(LDA)思想引入CCA，本文提出局部判别超对齐(LDHA)作为一种新颖的有监督HA方法，可为MVP分析提供更好的功能对齐。实际上，局部性基于训练集中刺激类别定义，同类别所有刺激间相关性将被最大化，而不同刺激类别间相关性趋近于零。在多被试MVP分析上的实验研究证实，LDHA方法取得了优于其他最先进HA算法的性能。

关键词

fMRI数据对齐超对齐局部判别分析典型相关分析多变量模式分类多被试分析有监督学习

引用

@article{arxiv.1611.08366,
  title  = {Local Discriminant Hyperalignment for multi-subject fMRI data alignment},
  author = {Muhammad Yousefnezhad and Daoqiang Zhang},
  journal= {arXiv preprint arXiv:1611.08366},
  year   = {2016}
}

备注

Published in the Thirty-First AAAI Conference on Artificial Intelligence (AAAI-17)

用于多被试fMRI数据对齐的局部判别超对齐

摘要

关键词

引用

备注

相关论文