Multivariat mønsteranalyse
Multivariat mønsteranalyse (MVPA) er en maskinlæringstilgang til fMRI, der afkoder kognitive tilstande, stimuli eller adfærd ud fra rumlige mønstre af neural aktivitet i hele hjernen. MVPA, som blev pioneret af Haxby og kolleger i 2001, betragter fMRI som et klassifikationsproblem: kan en trænet afkoder forudsige, hvad en person opfatter eller tænker, udelukkende baseret på deres hjerneaktivitetsmønster?
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Norman, K. A., Polyn, S. M., Detre, G. J., & Haxby, J. V. (2006). Beyond mind-reading: multi-voxel pattern analysis of fMRI data. Trends in Cognitive Sciences, 10(9), 424–430. DOI: 10.1016/j.tics.2006.07.005 ↗
- Haxby, J. V., Gobbini, M. I., Furey, M. L., et al. (2001). Distributed and overlapping representations of faces and objects in ventral temporal cortex. Science, 293(5539), 2425–2430. DOI: 10.1126/science.1063736 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/da/neuroimaging/multivariate-pattern-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Grafteoretisk Hjerne-NetværksanalyseNeurobilleddannelse↔ compare
- Repræsentationsligheds-analyseNeurobilleddannelse↔ compare
- Voxelbaseret MorfometriNeurobilleddannelse↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →