文献

J-GLOBAL ID：202202246853596551   整理番号：22A1120902

幼児EEGデータの時間分解多変量パターン解析:実用的チュートリアル【JST・京大機械翻訳】

Time-resolved multivariate pattern analysis of infant EEG data: A practical tutorial

著者 (13件)： Ashton Kira (Department of Neuroscience, American University, Washington, DC 20016, USA) ,  Ashton Kira (Center for Neuroscience and Behavior, American University, Washington, DC 20016, USA) ,  Zinszer Benjamin D. (Department of Psychology, Swarthmore College, Swarthmore, PA 19081, USA) ,  Cichy Radoslaw M. (Department of Education and Psychology, Freie Universitaet Berlin, 14195 Berlin, Germany) ,  Nelson Charles A. (Boston Children’s Hospital, Boston, MA 02115, USA) ,  Nelson Charles A. (Department of Pediatrics, Harvard Medical School, Boston, MA 02115, USA) ,  Nelson Charles A. (Graduate School of Education, Harvard, Cambridge, MA 02138, USA) ,  Aslin Richard N. (Haskins Laboratories, 300 George Street, New Haven, CT 06511, USA) ,  Aslin Richard N. (Psychological Sciences Department, University of Connecticut, Storrs, CT 06269, USA) ,  Aslin Richard N. (Department of Psychology, Yale University, New Haven, CT 06511, USA) ,  Aslin Richard N. (Yale Child Study Center, School of Medicine, New Haven, CT 06519, USA) ,  Bayet Laurie (Department of Neuroscience, American University, Washington, DC 20016, USA) ,  Bayet Laurie (Center for Neuroscience and Behavior, American University, Washington, DC 20016, USA)
資料名： Developmental Cognitive Neuroscience  (Developmental Cognitive Neuroscience)
巻： 54  ページ： Null  発行年： 2022年 
JST資料番号： W3173A  ISSN： 1878-9293  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 時間分解多変量パターン解析(MVPA)は,磁気および脳波(M/EEG)神経画像データを解析する一般的な技術であり,神経表現が関連する刺激次元の識別をサポートする程度と時間コースを定量化する。EEGは幼児の神経画像に広く使用されているので,乳児EEGデータの時間分解MVPAは,乳児の認知神経科学のための特に有望なツールである。MVPAは最近,EEGやfNIRSのような一般的な乳児イメージング法に適用されている。このチュートリアルにおいて,著者らは,幼児EEGデータによる時間分解,被験者内MVPAを実装するためのコードを提供し,記述した。線形SVM分類に基づく時間分解MVPAの実例実装を,MatlabとPythonのコードと共に記述した。テストデータセットからの結果は,乳児と成人の両方において,この方法が刺激画像を分類するために,上記の精度を信頼性良く作り出すことを示した。分類解析の拡張を,Pythonに実装された幾何学的および精度ベースの表現類似性解析の両方を含めて提示した。実装の一般的な選択を示し,議論した。各参加者が貢献するアーチファクトのないEEGデータの量は,子供と成人の研究より幼児の研究で低いので,これらのデータセットにおける得られたMVPA所見に対する様々な参加者レベル包含閾値の影響を検討し,議論する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相似解 ,  信頼性 ,  脳波 ,  磁気 ,  画像処理 ,  画像 ,  子供 ,  乳児 ,  *幼児 ,  アーチファクト
準シソーラス用語： 被験者 ,  MATLAB ,  Python ,  *パターン解析 ,  ニューロイメージング , 【Automatic Indexing@JST】

著者キーワード (5件)： EEG ,  乳児 ,  MVPA ,  復号化 ,  表現

分類 (2件)： 生体計測  (EL03020C) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 幼児 ,  EEG ,  分解 ,  多変量 ,  パターン解析 ,  チュートリアル