您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201512-588
论文题目 改进的Searchlight方法及其在fMRI中的应用
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

改进的Searchlight方法及其在fMRI中的应用

首发时间:2015-12-10

沈倩子 1   

沈倩子(1992-),女,硕士研究生,主要研究方向:模式识别

王子剑 2   

王子剑(1992-),男,博士研究生,主要研究方向:模式识别、人工智能、认知神经科学

孙杳如 2   

孙杳如(出生年-1968),男,教授,主要研究方向:人工智能,模式识别,认知计算

  • 1、 同济大学电子与信息工程学院
  • 2、同济大学电子与信息工程学院

摘要:脑成像技术已成为研究人和动物大脑结构和功能的重要手段,功能磁共振成像技术(fMRI)具有无创伤、高时空分辨率和可重复操作等优势,因而被广泛应用于脑科学研究。近年来,随着机器学习方法被应用于fMRI实验数据分析处理,多体素模式分析等方法越来越受到重视。这种多元的新分析方法不仅考虑了fMRI数据在时间序列上的规律,更考虑了多个体素空间上的关系,这种方法对空间信息更加敏感,可以挖掘出更多单元分析所挖掘不到的信息。本文介绍可以进行全脑搜索定位的searchlight方法并将递归特征消除方法引入searchlight的特征选择中,对原始searchlight方法进行了改进,并通过实验验证了改进的方法对信息更加敏感,尤其在较小的区分体素区域表现的更好。

关键词: 模式识别 功能磁共振成像 多元分析

For information in English, please click here

Improved Searchlight Method and the application in fMRI

SHEN Qianzi 1   

沈倩子(1992-),女,硕士研究生,主要研究方向:模式识别

WANG Zijian 1   

王子剑(1992-),男,博士研究生,主要研究方向:模式识别、人工智能、认知神经科学

SUN Yaoru 1   

孙杳如(出生年-1968),男,教授,主要研究方向:人工智能,模式识别,认知计算

  • 1、College of Electronics and Information Engineering, Tongji University

Abstract:The brain with complex structure has been studied for many years. The studies about brain are not only focused on the anatomical structure, but also the function of brain nowadays, because of the development of the neuroimaging technique. Function Magnetic Resonance Imaging (fMRI) has advantages of being not traumatic to human body, high resolution of time and space and being easily conducted repeatedly. fMRI has been widely used in the field of cognitive psychology.Recent, machine learning has been introduced into fMRI data analysis. This kind of multivariate method computes not only the relation of the time series but also the space relation of different voxels and is more sensitive to the space relations.This paper introduces frequently-used multivariate methods especially "Searchlight" which can locate an area in the whole brain using multivariate methods. We improved Searchlight by introducing the algorithm of recursive feature elimination (RFE) into origin Searchlight. And prove the advantages of the improved method by several experiments.

Keywords: Pattern Recognition fMRI Multivariate Analysis

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
沈倩子,王子剑,孙杳如. 改进的Searchlight方法及其在fMRI中的应用[EB/OL]. 北京:中国科技论文在线 [2015-12-10]. https://www.paper.edu.cn/releasepaper/content/201512-588.

No.4662845111339214****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

改进的Searchlight方法及其在fMRI中的应用