Analisi Multivariata di Pattern
L'Analisi Multivariata di Pattern (MVPA) è un approccio di machine learning all'fMRI che decodifica stati cognitivi, stimoli o comportamenti da pattern spaziali di attività neurale a livello di intero cervello. Pioniere Haxby e colleghi nel 2001, l'MVPA tratta l'fMRI come un problema di classificazione: un decoder addestrato può prevedere cosa una persona sta percependo o pensando basandosi esclusivamente sul suo pattern di attività cerebrale?
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/it/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.
- Analisi della Rete Cerebrale tramite GrafiNeuroimmagini↔ compare
- Analisi di Similarità RappresentazionaleNeuroimmagini↔ compare
- Morfometria basata sui voxelNeuroimmagini↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →