Багатовимірний аналіз патернів
Багатовимірний аналіз патернів (MVPA) — це підхід машинного навчання до фМРТ, який декодує когнітивні стани, стимули або поведінку з просторових патернів нейронної активності всього мозку. Започаткований Хакбі та його колегами у 2001 році, MVPA розглядає фМРТ як задачу класифікації: чи може навчений декодер передбачити, що людина сприймає або думає, виходячи виключно з патерну її мозкової активності?
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/uk/neuroimaging/multivariate-pattern-analysis
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Аналіз мозкових мереж на основі графівНейровізуалізація↔ порівняти
- Аналіз подібності репрезентаційНейровізуалізація↔ порівняти
- Воксельна морфометріяНейровізуалізація↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →