Local pattern classification differentiates processes of economic valuation.
Local pattern classification differentiates processes of economic valuation.
复制标题
DOI：
10.1016/j.neuroimage.2008.12.074
复制
发表时间：
2009-05-01
期刊：
影响因子：
5.7
通讯作者：
Huettel SA
中科院分区：
文献类型：
--
作者：
Clithero JA;Carter RM;Huettel SA
为了做出有效的决策，个人必须能够从多种类型的信息中形成主观价值观。然而，不同决策场景中价值计算潜在差异背后的神经机制尚不完全清楚。在这里，我们使用功能磁共振成像（fMRI）与支持向量机（SVM）的机器学习技术相结合，来识别包含与不同类型评估相关的独特局部信息的大脑区域。我们使用组合方法来评估不同大脑区域对泛化强度建模的独特贡献。左后顶叶皮层的局部体素模式包含区分概率和跨期评估的独特信息，这是使用标准功能磁共振成像分析无法获得的结果。我们的结论是，这些奖励类型的早期估值阶段在精细的空间尺度上有所不同，这表明沿着价值构建路径存在计算拓扑。
For effective decision making, individuals must be able to form subjective values from many types of information. Yet, the neural mechanisms that underlie potential differences in value computation across different decision scenarios are incompletely understood. Here, we used functional magnetic resonance imaging (fMRI), in conjunction with the machine learning technique of support vector machines (SVM), to identify brain regions that contain unique local information associated with different types of valuation. We used a combinatoric approach that evaluated the unique contributions of different brain regions to model generalization strength. Local voxel patterns in left posterior parietal cortex contained unique information differentiating probabilistic and intertemporal valuation, a result that was not accessible using standard fMRI analyses. We conclude that the early valuation phases for these reward types differ on a fine spatial scale, suggesting the existence of computational topographies along the value construction pathway.
登录
查看更多内容
DOI：
10.1002/bs.3830090304
发表时间：
1964-01-01
期刊：
BEHAVIORAL SCIENCE
影响因子：
--
作者：
BECKER, GM;DEGROOT, MH;MARSCHAK, J
通讯作者：
MARSCHAK, J
影响因子：
9.8
作者：
Cantlon JF;Brannon EM;Carter EJ;Pelphrey KA
通讯作者：
Pelphrey KA
影响因子：
7.5
作者：
CORTES, C;VAPNIK, V
通讯作者：
VAPNIK, V
影响因子：
5.3
作者：
Hare, Todd A.;O'Doherty, John;Rangel, Antonio
通讯作者：
Rangel, Antonio
生理效用理论和选择的神经经济学
影响因子：
1.1
作者：
Glimcher, PW;Dorris, MC;Bayer, HM
通讯作者：
Bayer, HM