利用 Scikit-Learn 进行神经影像学的机器学习
机器学习
2014-12-15 v1 计算机视觉与模式识别
机器学习
摘要
统计机器学习方法正日益用于神经影像学数据分析。其主要优势在于能够对高维数据集建模，例如激活图像或多变量分析或静息态时间序列。监督学习通常用于解码或编码设置，以将脑图像与行为或临床观测联系起来，而无监督学习可以揭示图像集（例如静息态功能磁共振成像）中的隐藏结构或在大型队列中发现亚群。通过考虑不同的功能神经影像学应用，我们展示了如何使用 Python 机器学习库 scikit-learn 执行一些关键分析步骤。Scikit-learn 包含大量统计学习算法，包括监督和无监督算法，其应用于神经影像学数据为研究大脑提供了多功能工具。
引用
@article{arxiv.1412.3919,
title = {Machine Learning for Neuroimaging with Scikit-Learn},
author = {Alexandre Abraham and Fabian Pedregosa and Michael Eickenberg and Philippe Gervais and Andreas Muller and Jean Kossaifi and Alexandre Gramfort and Bertrand Thirion and Gäel Varoquaux},
journal= {arXiv preprint arXiv:1412.3919},
year = {2014}
}
备注
Frontiers in neuroscience, Frontiers Research Foundation, 2013, pp.15