A Bayesian framework for simultaneously modeling neural and behavioral data.
A Bayesian framework for simultaneously modeling neural and behavioral data.
复制标题
DOI：
10.1016/j.neuroimage.2013.01.048
复制
发表时间：
2013-05-15
期刊：
影响因子：
5.7
通讯作者：
Steyvers, Mark
中科院分区：
文献类型：
--
作者：
Turner, Brandon M.;Forstmann, Birte U.;Wagenmakers, Eric-Jan;Brown, Scott D.;Sederberg, Per B.;Steyvers, Mark
关键词：
研究认知的科学家通过观察行为（例如反应时间、正确百分比）或观察神经活动（例如大胆反应）来推断潜在过程。传统上，这两种类型的观察支持两条不同的研究方向。第一个由认知建模者领导，他们仅依靠行为来支持他们的计算理论。第二个是由认知神经成像师领导的，他们依靠统计模型将神经活动模式与实验操作联系起来，通常不尝试与明确的计算理论建立直接联系。在这里，我们提出了一个灵活的贝叶斯框架，用于结合神经模型和认知模型。将神经成像和计算建模加入到单个分层框架中，允许神经数据影响认知模型的参数，并允许行为数据（即使在没有神经数据的情况下）约束神经模型。至关重要的是，我们的贝叶斯方法可以揭示行为和神经参数之间的相互作用，从而揭示神经活动和认知机制之间的相互作用。我们展示了我们的方法的实用性，包括使用识别模型模拟功能磁共振成像数据和使用感知选择响应时间模型的扩散加权成像数据。
Scientists who study cognition infer underlying processes either by observing behavior (e.g., response times, percentage correct) or by observing neural activity (e.g., the BOLD response). These two types of observations have traditionally supported two separate lines of study. The first is led by cognitive modelers, who rely on behavior alone to support their computational theories. The second is led by cognitive neuroimagers, who rely on statistical models to link patterns of neural activity to experimental manipulations, often without any attempt to make a direct connection to an explicit computational theory. Here we present a flexible Bayesian framework for combining neural and cognitive models. Joining neuroimaging and computational modeling in a single hierarchical framework allows the neural data to influence the parameters of the cognitive model and allows behavioral data, even in the absence of neural data, to constrain the neural model. Critically, our Bayesian approach can reveal interactions between behavioral and neural parameters, and hence between neural activity and cognitive mechanisms. We demonstrate the utility of our approach with applications to simulated fMRI data with a recognition model and to diffusion-weighted imaging data with a response time model of perceptual choice.
登录
查看更多内容
影响因子：
2.5
作者：
Anderson, John R.;Carter, Cameron S.;Rosenberg-Lee, Miriam
通讯作者：
Rosenberg-Lee, Miriam
影响因子：
5.4
作者：
Brown, S;Heathcote, A
通讯作者：
Heathcote, A
影响因子：
5.7
作者：
Anderson, John R.;Fincham, Jon M.;Yang, Jian
通讯作者：
Yang, Jian
DOI：
10.1073/pnas.0805903105
发表时间：
2008-11-11
影响因子：
11.1
作者：
Forstmann, Birte U.;Dutilh, Gilles;Wagenmaker, Eric-Jan
通讯作者：
Wagenmaker, Eric-Jan
影响因子：
3.5
作者：
Donkin, Chris;Brown, Scott D.;Heathcote, Andrew
通讯作者：
Heathcote, Andrew