Markov-inverse-F测量-一种使用功能磁共振MVPA的网络连接方法
多体素模式分析(Multi-Voxel Pattern Analysis, MVPA)在功能磁共振成像(functional magnetic resonance imaging, fMRI)研究中被认为是研究人脑如何表征词语意义的有效方法，并与语料库的表征空间相结合。
然而，很少有人尝试使用单词联想规范作为语义网络来探索词汇关联是如何作为神经激活模式的相似性来衡量的。
现在，在Carnegie Mellon University（女王大学）在Carnegie Mellon University（女王大学）的东京技术人员的Hiroyuki Akama实验室的成员开发了一个原始的距离定义，称为Markov-unserse-F测量（MIF），并测量其有效性预测A.神经活动在概念加工过程中记录人脑。
MiF结合了测地线计算和共现平差，提供了单词关联规范(EAT)的语言图信息。
当应用于Mitchell等人的科学研究(2008)的fMRI数据集时，我们的模型可以获得最佳预测精度的标量参数，该参数指定大脑中的每个体素被每个单词激活的程度。
为了阐明计算神经语言学中语义网络与神经网络之间的关系，提出了一种新的功能磁共振解码技术。
进一步探索
更多信息:hiroyuki akama等。使用从关联概念字典中导出的图组件来预测代表名词含义的FMRI神经激活模式，《公共科学图书馆•综合》（2015）。DOI：10.1371 / journal.pone.0125725
期刊信息:
《公共科学图书馆•综合》
由...提供东京工业大学
引用：Markov-Reverse-F测量 - 使用FMRI MVPA的网络连接方法（2016,2月23日）从HTTPS://medicalXpress.com/news/2016-02-markov-inverse-f-measurea-network-approach-mvpa.html.
此文件受版权保护。除作私人学习或研究之公平交易外，未经书面许可，任何部分不得转载。本内容仅供参考之用。
用户评论