Multivariate Pattern Analysis
Multivariate Pattern Analysis (MVPA) is een machine learning-benadering voor fMRI die cognitieve toestanden, stimuli of gedrag decodeert uit ruimtelijke patronen van neurale activiteit in de gehele hersenen. MVPA, gepionierd door Haxby en collega's in 2001, behandelt fMRI als een classificatieprobleem: kan een getrainde decoder voorspellen wat een persoon waarneemt of denkt, uitsluitend gebaseerd op hun hersenactiviteitspatroon?
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/nl/neuroimaging/multivariate-pattern-analysis
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Grafische Netwerkanalyse van de HersenenNeuro-imaging↔ vergelijken
- Representationele GelijkheidsanalyseNeuro-imaging↔ vergelijken
- Voxel-gebaseerde MorfometrieNeuro-imaging↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →