关于 fMRI 跨条件的空间选择性与预测
机器学习
2012-09-10 v1 机器学习
摘要
功能神经成像领域的研究人员主要使用激活坐标来构建假设。相反，我们提议使用完整的统计图像来定义感兴趣区域（ROIs）。本文提出了两种机器学习方法——迁移学习和选择迁移，并比较了它们识别与两个功能任务相关的大脑激活图之间共同模式的能力。我们对这些相似性进行了初步量化，并表明选择迁移能够设定一种空间尺度，从而产生比迁移学习更特定于感兴趣背景的 ROIs。特别是，在区分不同视觉任务时，选择迁移能很好地勾勒出诸如视觉词形区（Visual Word Form Area）等已知区域。
引用
@article{arxiv.1209.1450,
title = {On spatial selectivity and prediction across conditions with fMRI},
author = {Yannick Schwartz and Gaël Varoquaux and Bertrand Thirion},
journal= {arXiv preprint arXiv:1209.1450},
year = {2012}
}
备注
PRNI 2012 : 2nd International Workshop on Pattern Recognition in NeuroImaging, London : United Kingdom (2012)