Multivariate Pattern Analysis
Multivariate Pattern Analysis (MVPA) is a machine learning approach to fMRI that decodes cognitive states, stimuli, or behavior from whole-brain spatial patterns of neural activity. Pioneered by Haxby and colleagues in 2001, MVPA treats fMRI as a classification problem: can a trained decoder predict what a person is perceiving or thinking based solely on their brain activity pattern?
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.