Process / pipelineMachine learning decoding
다변량 패턴 분석
다변량 패턴 분석(MVPA)은 뇌 활동의 전체 뇌 공간 패턴에서 인지 상태, 자극 또는 행동을 해독하는 기능적 자기공명영상(fMRI)에 대한 기계 학습 접근 방식입니다. 2001년 Haxby와 동료들이 개척한 MVPA는 fMRI를 분류 문제로 취급합니다. 즉, 훈련된 디코더가 뇌 활동 패턴만을 기반으로 사람이 무엇을 인식하거나 생각하고 있는지 예측할 수 있을까요?
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/ko/neuroimaging/multivariate-pattern-analysis
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 그래프 뇌 네트워크 분석신경영상↔ 비교
- 표상 유사성 분석신경영상↔ 비교
- 복셀 기반 형태 계측신경영상↔ 비교