PRoNTo: pattern recognition for neuroimaging toolbox.
PRoNTo: pattern recognition for neuroimaging toolbox.
复制标题
DOI：
10.1007/s12021-013-9178-1
复制
发表时间：
2013-07
期刊：
影响因子：
3
通讯作者：
Mourao-Miranda, J.
中科院分区：
文献类型：
--
作者：
Schrouff, J.;Rosa, M. J.;Rondina, J. M.;Marquand, A. F.;Chu, C.;Ashburner, J.;Phillips, C.;Richiardi, J.;Mourao-Miranda, J.
在过去的几年中，神经影像数据的大量单变量统计分析已经通过使用多变量模式分析，特别是基于机器学习模型的多变量模式分析得到了补充。虽然与单变量技术相比，这些技术可以提高检测空间分布效应的灵敏度，但它们缺乏一个既定的和可访问的软件框架。这项工作的目标是构建一个工具箱，其中包含基于机器学习模型对神经成像数据进行多元分析的所有必要功能。“神经成像模式识别工具箱”（PRoNTo）是开源、跨平台、基于MATLAB且兼容SPM的，因此适合认知和临床神经科学研究。此外，它旨在促进开发人员的新贡献，旨在改善神经成像和机器学习社区之间的互动。在这里，我们通过展示可能的研究问题的例子来介绍PRoNTo，这些问题可以用PRoNTo中实现的机器学习框架来解决，并且不能很容易地用大规模单变量统计分析来研究。
In the past years, mass univariate statistical analyses of neuroimaging data have been complemented by the use of multivariate pattern analyses, especially based on machine learning models. While these allow an increased sensitivity for the detection of spatially distributed effects compared to univariate techniques, they lack an established and accessible software framework. The goal of this work was to build a toolbox comprising all the necessary functionalities for multivariate analyses of neuroimaging data, based on machine learning models. The “Pattern Recognition for Neuroimaging Toolbox” (PRoNTo) is open-source, cross-platform, MATLAB-based and SPM compatible, therefore being suitable for both cognitive and clinical neuroscience research. In addition, it is designed to facilitate novel contributions from developers, aiming to improve the interaction between the neuroimaging and machine learning communities. Here, we introduce PRoNTo by presenting examples of possible research questions that can be addressed with the machine learning framework implemented in PRoNTo, and cannot be easily investigated with mass univariate statistical analysis.
登录
查看更多内容
影响因子：
5.7
作者：
Franke, Katja;Ziegler, Gabriel;Gaser, Christian
通讯作者：
Gaser, Christian
影响因子：
5.7
作者：
Chu, Carlton;Ni, Yizhao;Tan, Geoffrey;Saunders, Craig J.;Ashburner, John
通讯作者：
Ashburner, John
DOI：
10.1016/j.cub.2010.01.053
发表时间：
2010-03-23
期刊：
Current biology : CB
影响因子：
--
作者：
Chadwick MJ;Hassabis D;Weiskopf N;Maguire EA
通讯作者：
Maguire EA
影响因子：
5.7
作者：
Ashburner J;Friston KJ
通讯作者：
Friston KJ
影响因子：
5.7
作者：
Chu, Carlton;Hsu, Ai-Ling;Lin, ChingPo
通讯作者：
Lin, ChingPo