Publication

Brain Decoding Of Fmri Connectivity Graphs Using Decision Tree Ensembles

Jonas Richiardi
2010
Conference Papers

Résumé

Functional connectivity analysis of fMRI data can reveal synchronized activity between anatomically distinct brain regions. Here, we exploit the characteristic connectivity graphs of task and resting epochs to perform classification between these conditions. Our approach is based on ensembles of decision trees, which combine powerful discriminative ability with interpretability of results. This makes it possible to extract discriminative graphs that represent a subset of the connections that distinguish best between the experimental conditions. Our experimental results also show that the method can be applied for group-level brain decoding.

Source officielle

https://infoscience.epfl.ch/entities/publication/15f728a0-f348-44ad-9b5e-fd6a0491af66

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Jonas Richiardi
2010
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/15f728a0-f348-44ad-9b5e-fd6a0491af66

À propos de ce résultat

Concepts associés (32)

Arbre de décision (apprentissage)

L’apprentissage par arbre de décision désigne une méthode basée sur l'utilisation d'un arbre de décision comme modèle prédictif. On l'utilise notamment en fouille de données et en apprentissage automatique. Dans ces structures d'arbre, les feuilles représentent les valeurs de la variable-cible et les embranchements correspondent à des combinaisons de variables d'entrée qui mènent à ces valeurs. En analyse de décision, un arbre de décision peut être utilisé pour représenter de manière explicite les décisions réalisées et les processus qui les amènent.

Brain-reading

Brain-reading or thought identification uses the responses of multiple voxels in the brain evoked by stimulus then detected by fMRI in order to decode the original stimulus. Advances in research have made this possible by using human neuroimaging to decode a person's conscious experience based on non-invasive measurements of an individual's brain activity. Brain reading studies differ in the type of decoding (i.e. classification, identification and reconstruction) employed, the target (i.e.

Apprentissage ensembliste

In statistics and machine learning, ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone. Unlike a statistical ensemble in statistical mechanics, which is usually infinite, a machine learning ensemble consists of only a concrete finite set of alternative models, but typically allows for much more flexible structure to exist among those alternatives.

Afficher plus

Publications associées (20)

Afficher plus

Brain Decoding Of Fmri Connectivity Graphs Using Decision Tree Ensembles

Chattez avec Graph Search

Learning environments are associated with developmental trajectories of thalamocortical attention circuits in childhood

Rapid cortical reorganization tracks goal-directed sensorimotor learning in real time

Influence of attention mechanisms on cerebellar and basal ganglia activity during vocal emotion decoding