Multivariat mønsteranalyse
Multivariat mønsteranalyse (MVPA) er en maskinlæringstilnærming til fMRI som dekoder kognitive tilstander, stimuli eller atferd fra romlige mønstre av nevral aktivitet i hele hjernen. MVPA, pionert av Haxby og kolleger i 2001, behandler fMRI som et klassifiseringsproblem: kan en trent dekoder forutsi hva en person oppfatter eller tenker basert utelukkende på deres hjerneaktivitetsmønster?
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/no/neuroimaging/multivariate-pattern-analysis
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Graf-teoretisk hjerne-nettverksanalyseNevroavbildning↔ sammenlign
- Representational Similarity AnalysisNevroavbildning↔ sammenlign
- Voxel-basert morfometriNevroavbildning↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →