Liste Keywords:

A

S

Ihre Anfrage erzielte 1 Treffer

Nf01_2012 - Haynes, John-Dylan

Multivariates Decoding von fMRT-Signalen. fMRT misst die Gehirnaktivität in einem dreidimensionalen Raster aus Voxeln. Der Einfachheit halber sind hier nur zwei Dimensionen gezeigt. A: Die Muster bzw. Vektoren für die multivariate Analyse können vom gesamten Gehirn, Regions-of-Interest (ROI) oder mit der Searchlight-Methode bestimmt werden. B: Wiederholte Messungen der Hirnaktivität unter zwei Aufgabenbedingungen (z. B. Bewegung mit der rechten oder der linken Hand) werden in einen Trainings- und einen Testdatensatz unterteilt. Ein Klassifikator wird zunächst auf dem Trainingsdatensatz trainiert. Dann wird der er zur Vorhersage der Aufgabenbedingung aufgrund der Muster des unabhängigen Testdatensatzes verwendet. Die verschiedenen Dimensionen des Vektors können als Achsen eines n-dimensionalen Koordinatensystems angesehen werden, wobei N der Anzahl der Voxel entspricht. C-E: Veranschaulichung eines Klassifikators in einem zweidimensionalen Raum (verändert aus [5]). Die Randverteilungen sind auf den entsprechenden Achsen dargestellt. C: Im einfachsten Fall können die wiederholten Messungen beider Reizklassen (Kreise und Quadrate) auf beiden Achsen unterschieden werden. Die Randverteilungen überlappen nicht. D: In diesem Fall überlappen die Randverteilungen stark, was eine Klassifizierung anhand der Aktivität eines einzelnen Voxel ausschließt. Wird jedoch die Aktivität beider Voxel berücksichtigt, können die multivariaten Antworten der beiden Reize durch eine lineare Entscheidungsgrenze getrennt werden. Nach der Ermittlung der Entscheidungsgrenze anhand eines Trainingsdatensatzes, kann mit einer erneuten Messung die Fähigkeit des Klassifikators getestet werden, eine unabhängige Messung vorherzusagen. Wenn die multivariate Antwort auf die richtige Seite der Entscheidungsgrenze fällt, zählt dies als Treffer ("correct"), wenn sie auf die falsche Seite fällt, als Fehler ("error"). E: In manchen Fällen reicht die lineare Entscheidungsgrenze nicht aus, und es wird eine nichtlineare Entscheidungsgrenze benötigt.

Download