基于Task-fMRI的分类分析研究

本文通过分类分析方法来研究任务态功能性核磁共振成像(task-fMRI)数据。首先通过构建回归模型(GLM)在个体水平上显示显著激活体素;其次通过任务态激活体素和对应任务事件构建数据集并在被试间对比不同分类的结果。结果表明在10折交叉验证(K-Fold)下不同的机器学习分类模型所得到的准确率不同,支持向量机(SVM)(rbf)的准确率最高92%。