多目标认知模型：一种用于多被试 fMRI 分析的监督方法

为了解码人脑，多变量模式（MVP）分类利用功能磁共振成像（fMRI）数据集生成认知模型。作为 MVP 分析的标准流程，多被试 fMRI 数据集中的脑模式必须被映射到一个共享空间，然后利用映射后的模式生成分类模型。然而，由于该标准流程使用不相交的步骤来生成这些模型，MVP 模型在新的 fMRI 数据集上可能无法提供稳定的性能。实际上，流程中的每一步都包含一个具有独立优化方法的客观函数，其中每一步的最优解对于后续步骤而言可能并非最优。为解决上述问题，本文提出了多目标认知模型（MOCM），该模型采用集成的客观函数进行 MVP 分析，而非仅仅使用那些不相交的步骤。为求解该集成问题，我们提出了一种定制的多目标优化方法，该方法首先生成所有可能的解，然后对我们的解进行排序并将鲁棒的解选为最终结果。实证研究表明，与其他技术相比，所提方法能够产生更优的性能。