Multivariate Pattern Analysis
Multivariate Pattern Analysis (MVPA) ist ein Ansatz des maschinellen Lernens für fMRT, der kognitive Zustände, Stimuli oder Verhalten aus räumlichen Mustern neuronaler Aktivität im gesamten Gehirn dekodiert. MVPA, das von Haxby und Kollegen im Jahr 2001 eingeführt wurde, behandelt fMRT als Klassifikationsproblem: Kann ein trainierter Dekoder vorhersagen, was eine Person basierend auf ihrem Gehirnaktivitätsmuster wahrnimmt oder denkt?
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/de/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.
- Graph Brain Network AnalysisNeurobildgebung↔ compare
- Representational Similarity AnalysisNeurobildgebung↔ compare
- Voxel-Based MorphometryNeurobildgebung↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →