Pattern classification of brain states using fMRI

脑-机接口是磁共振成像功能控制（fMRI-BCI）的一个重要组成部分。Ein solches fMRI-BCI wurde entwickelt und erlaubt Echt-Zeit kontingente Rückmeldung und Training der Aktivität von Hirnregionen.这是一种新的非侵入性方法，用于操作局部手术变量和测量局部手术变量。当神经生物学基础出现异常时，人们就可以了解异常区域。在Klinik和Labor中的fMRI-BCIs方法的有效性是通过一个关键问题来实现的：从多个Hirn-Arealen区域的Hirnaktivität将得到一个单一的Hirnregion analysiert（单变量分析），并通过该区域的人来发现，这些方法可以识别或情感分类过程，也可以从其他区域获得。这种情况将戏剧性地表现出来，当多元的集合分类被发现时，这种情况将被戏剧性地表现出来，而这种情况将被戏剧性地表现出来。我们需要一个用于fMRI-BCI的Echtzeit-Klassifikationssystem，可以对不同的Hirnzustände进行分类，并从所有Hirnregionen获得Hirnaktivität，但不限于一个区域。本文介绍了一种新的基于认知神经生物学的多变量分类系统，该系统可用于韦尔登。Wiederherstellung（restoration）von Handbewegung nach Schlaganfall und 2. Neurobiologisch gesteuerte Lügendetektion.

Brain-Computer Interfaces, welche die willentliche Kontrolle des funktionellen Magnetresonanztomogramms (fMRI-BCI) benutzen, erlauben Kontrolle umschriebener Regionen des gesamten Gehirns. Ein solches fMRI-BCI wurde entwickelt und erlaubt Echt-Zeit kontingente Rückmeldung und Training der Aktivität von Hirnregionen. Diese neue nicht-invasive Methode untersucht die Manipulation von lokalen Hirnprozessen als unabhängige Variable und Messung von Verhalten als abhängige Variable. Wenn die neurobiologische Grundlage einer Verhaltensstörung bekannt ist, so kann man die abnorme Hirnaktivität dieses Areals regulieren lernen. Die Effektivität der Methode des fMRI-BCIs in Klinik und Labor wurde durch einige kritische Probleme geschmälert: Hirnaktivität von vielen Hirn-Arealen wird getrennt für jede Hirnregion einzeln analysiert (univariate Analyse) und man versucht jene Region zu finden, die den gesuchten kognitiven oder emotionalen Prozess klassifizieren, also von anderen trennen kann. Diese Situation wird dramatisch verbessert, wenn multivariate Muster-Klassifikationen verwendet und die gesamte Hirnaktivität als Ganzes verarbeitet wird. Wir schlagen hier die Entwicklung und Einrichtung eines Echtzeit- Klassifikationssystems für ein fMRI-BCI vor, das viele verschiedene Hirnzustände klassifizieren kann und dafür die gesamte Hirnaktivität aus allen Hirnregionen und nicht nur einer Region verwendet. Dieses neue multivariate Klassifikationssystem soll auf zwei kognitiv-neurobiologische Fragestellungen angewandt werden: 1. Wiederherstellung (restoration) von Handbewegung nach Schlaganfall und 2. Neurobiologisch gesteuerte Lügendetektion.