典型文献
如何利用开源工具分析fMRI数据:基于多体素模式的有监督机器学习算法介绍
文献摘要：
目前,多体素模式分析(MVPA)日渐普遍地应用于脑影像研究.近些年,机器学习的模式分类等算法在MVPA方法中被广泛应用,因其具有能够抽取高维数据模式,提高数据利用率的优点.其中一种典型的应用是利用解码的思想来解决神经表征问题,本文主要介绍了利用基于Python语言的工具库中有监督学习算法分析数据的过程.除介绍Nilearn结合Scikit-learn分析数据的步骤外,还比较不同算法的效率,为算法的选择及参数设备提供具体参考.
文献关键词：
机器学习;有监督学习算法;fMRI;MVPA
中图分类号：
作者姓名：
王钰莹;于海峰;黎兵;鲁学明
作者机构：
东北师范大学心理学院,长春,130024;吉林大学哲学社会学院心理学系,长春,130012;认知与脑科学吉林省高等学校重点实验室,长春,130024
文献出处：
引用格式：
[1]王钰莹;于海峰;黎兵;鲁学明-.如何利用开源工具分析fMRI数据:基于多体素模式的有监督机器学习算法介绍)[J].心理科学,2022(03):718-724
A类：
Nilearn
B类：
开源,fMRI,多体素,有监督机器学习,机器学习算法,模式分析,MVPA,遍地,脑影像,模式分类,高维数据,数据模式,数据利用率,解码,想来,神经表征,Python,有监督学习算法,算法分析,Scikit
AB值：
0.388746
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
