英文翻译 (1)

学号：

2009012877

2013

届本科生毕业论文英文参考文献翻译

超 越大脑解读：

fMRI

数据的多体素模式分析

< br>

学院（系）

：

专业年级：

学生姓名：

指导教师：

信息工程学院

信息管理与信息系统< /p>

09

级

夏茂庚

蔡骋

2013

年

6

月

10

日

完成日期：

中文译文

超越大脑解读：

数据的多体素模式分析

在认知神经科学领域，

一个非常具有挑战性的问题就是如何将人们意识表示成相 应

的神经活动模式。近年来，研究者开始着手解决这个问题，通过将复杂的模式识别算法

应用于多模态的功能磁共振数据中，目标是将被试在特定时间点的大脑信息解码出来。< /p>

这种多变量分析方法在大脑解读研究中有很多重要的影响。更重要的是，多变量分析方

法形成了一种非常新的有用的方法来促进我们对于神经影像数据处理的理解。

我们回顾

了研究者在神经编码、视觉以及记忆方面信息处理的研究中，是如何使 用多变量分析发

方法来处理信息的。

认知神经科学关心的最基本的问题是：不同脑区所表征的信息是什么，它们如何表

征这些 信息，不同的认知加工过程如何转换信息。功能磁共振成像在解决这个问题上，

是一种强 有力的工具，在被试做认知任务时，我们可以在几秒钟内，采集数以百万计脑

区的血流量 。

然而，

fMRI

数据的巨大数据量和 高噪声比的特点对一些研究者提出了一个

巨大的挑战，他们对挖掘与认知任务相关信息非 常感兴趣。

传统的

fMRI

数据分析方法关注于寻找认知变量和单独的大脑体素之间的关系，

这种< /p>

一种是富有成效的方法，然后将认知任务与体素之间的关系单独考察存在一些局限性。

本文的目的就是要介绍一种与众不同的

fMRI

数据分析方法，

它不是关注于单个体素，

而

是将强有力的模式分类算法用于活动的多体素模式，来解码这个活动模式表示的信息。

< br>我们把这种方法叫做多体素模式分析（

MVPA

）

。

将

MVPA

应用于

fMRI

数据分析的想法并不是最新 提出的，例如，多个研究者已经使

用

MVPA

< br>方法来表现脑区之间的功能关系。过去几年的重大发展是认识到，在某种程度

上，

可以把

fMRI

数据分析看作是一个模 式分类的问题

（例如，

我们可以把识别一种大脑

活动模式和一种认知活动相对应）

。就这样，在其他领域所有为模式识别和数据 挖掘的

发展起来的技术，

都很有效的应用于

fMRI

的数据分析。

这个想法使得一大批研究者投入

到使用模式分类技术来分析

fMRI

数据的 队伍中来。在

fMRI

研究中的这个潮流是模式分

类算法在认知科学中应用潮流的一部分（对于

EEG

数据的应用见

[6-11]

，对松武的神经

记录数据的研究见

[12-14]

）

。

超越大脑解读：

fMRI

数据的多体素模式分析

文章的第一部分对< /p>

MVPA

方法的主要优势进行了回顾，列举了一系列的使用

MVPA

的“读脑”技术。第二部分详细回顾了实现“读脑”的方法， 第三部分讨论了研究者在

超出“读脑”研究的例子，使用

MVP A

方法解决大脑是如何表示以及处理信息的问题。