เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การวิเคราะห์รูปแบบพหุตัวแปร× | Voxel-Based Morphometry× | |
|---|---|---|
| สาขาวิชา | การถ่ายภาพประสาท | การถ่ายภาพประสาท |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | 2001 | 2000 |
| ผู้ริเริ่ม≠ | James V. Haxby | John Ashburner |
| ประเภท≠ | fMRI pattern classification pipeline | Structural MRI gray matter analysis pipeline |
| แหล่งต้นตำรับ≠ | 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 ↗ | Ashburner, J., & Friston, K. J. (2000). Voxel-based morphometry—the methods. NeuroImage, 11(6), 805–821. DOI ↗ |
| ชื่อเรียกอื่น≠ | MVPA, brain decoding, pattern classification | VBM, grey matter morphometry |
| ที่เกี่ยวข้อง≠ | 3 | 2 |
| สรุป≠ | Multivariate Pattern Analysis (MVPA) is a machine learning approach to fMRI that decodes cognitive states, stimuli, or behavior from whole-brain spatial patterns of neural activity. Pioneered by Haxby and colleagues in 2001, MVPA treats fMRI as a classification problem: can a trained decoder predict what a person is perceiving or thinking based solely on their brain activity pattern? | Voxel-Based Morphometry (VBM) is a whole-brain statistical technique for detecting local differences in gray matter volume or concentration from structural MRI. Introduced by John Ashburner and Karl Friston in 2000, VBM enables researchers to identify regional brain volume changes associated with disease, aging, learning, and other factors without requiring a priori region-of-interest definitions. |
| ScholarGateชุดข้อมูล ↗ |
|
|