Multivariat mönsteranalys
Multivariat mönsteranalys (MVPA) är en maskininlärningsmetod för fMRI som avkodar kognitiva tillstånd, stimuli eller beteenden från spatiala mönster av neural aktivitet i hela hjärnan. MVPA, som pionjerades av Haxby och kollegor 2001, behandlar fMRI som ett klassificeringsproblem: kan en tränad avkodare förutsäga vad en person uppfattar eller tänker baserat enbart på deras hjärnaktivitetsmönster?
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/sv/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.
- Grafanalys av hjärnnätverkNeuroavbildning↔ compare
- Representational Similarity AnalysisNeuroavbildning↔ compare
- Voxelbaserad morfometriNeuroavbildning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →