Decoding the large-scale structure of brain function by classifying mental States across individuals.
Decoding the large-scale structure of brain function by classifying mental States across individuals.
复制标题
DOI：
10.1111/j.1467-9280.2009.02460.x
复制
发表时间：
2009-11
影响因子：
8.2
通讯作者：
Hanson SJ
中科院分区：
文献类型：
--
作者：
Poldrack RA;Halchenko YO;Hanson SJ
脑成像研究主要集中在定位与特定心理过程相关的活动模式，但最近的工作表明，可以使用统计分类器从神经成像数据中识别精神状态。我们调查了这种方法是否可以扩展到使用对其他人训练的统计分类器来预测个人的心理状态，以及这样做获得的信息是否可以为大脑中如何组织心理过程提供新的见解。使用各种分类器技术，我们在各个个体之间实现了80%的交叉验证分类准确率(机会=13%)。使用神经网络分类器，我们恢复了数据集中所有认知-感知任务共同的低维表示，并使用认知过程的本体来确定与每个维度最相关的认知概念。这些结果揭示了一组小型的有组织的大规模网络，这些网络映射了高度不同的一组心理任务的认知过程，这表明了一种表征认知的神经基础的新方法。
Brain-imaging research has largely focused on localizing patterns of activity related to specific mental processes, but recent work has shown that mental states can be identified from neuroimaging data using statistical classifiers. We investigated whether this approach could be extended to predict the mental state of an individual using a statistical classifier trained on other individuals, and whether the information gained in doing so could provide new insights into how mental processes are organized in the brain. Using a variety of classifier techniques, we achieved cross-validated classification accuracy of 80% across individuals (chance = 13%). Using a neural network classifier, we recovered a low-dimensional representation common to all the cognitive-perceptual tasks in our data set, and we used an ontology of cognitive processes to determine the cognitive concepts most related to each dimension. These results revealed a small organized set of large-scale networks that map cognitive processes across a highly diverse set of mental tasks, suggesting a novel way to characterize the neural basis of cognition.
登录
查看更多内容
影响因子：
3.7
作者：
Shinkareva SV;Mason RA;Malave VL;Wang W;Mitchell TM;Just MA
通讯作者：
Just MA
影响因子：
5.7
作者：
Van Essen, DC
通讯作者：
Van Essen, DC
影响因子：
2.9
作者：
Hanson, Stephen Jose;Halchenko, Yaroslav O.
通讯作者：
Halchenko, Yaroslav O.
影响因子：
9.2
作者：
Haynes, JD;Rees, G
通讯作者：
Rees, G
影响因子：
9.2
作者：
Haynes, John-Dylan;Sakai, Katsuyuki;Passingham, Richard E.
通讯作者：
Passingham, Richard E.