基于感兴趣区的线性与非线性多元回归模型在fMRI数据上泛化能力的探讨
应用统计
2018-02-08 v1 计算机视觉与模式识别
摘要
与传统的单变量分析相反，多种类型的多变量分析已被应用于功能磁共振成像（fMRI）数据。在本文中，我们比较了两种用于基于任务的fMRI数据多变量回归的现代方法：带岭正则化的线性回归和使用遗传编程的非线性符号回归。本项目的数据代表了当代视觉刺激fMRI实验设计。为10名受试者生成了线性和非线性模型，另保留4名用于验证。模型质量通过比较各种情境下的 分数（皮尔逊积矩相关系数）来评估，包括单次运行自拟合、受试者内泛化和受试者间泛化。使用独立的静息态扫描估计建模策略过拟合的倾向。结果表明，两种方法均非客观上或固有地优于对方。
引用
@article{arxiv.1802.02423,
title = {On the Generalizability of Linear and Non-Linear Region of Interest-Based Multivariate Regression Models for fMRI Data},
author = {Ethan C. Jackson and James Alexander Hughes and Mark Daley},
journal= {arXiv preprint arXiv:1802.02423},
year = {2018}
}
备注
Pre-print of paper submitted for review to 2018 IEEE CIBCB