Key points are not available for this paper at this time.
A análise multivariada de sinais cerebrais recentemente despertou um grande interesse, no entanto, ferramentas acessíveis e versáteis para realizar análises de decodificação são escassas. Aqui apresentamos a Caixa de Ferramentas de Decodificação (TDT), que representa um pacote amigável, poderoso e flexível para análise multivariada de dados de imagem cerebral funcional. O TDT é escrito em Matlab e equipado com uma interface para o pacote de análise de dados cerebrais amplamente utilizado SPM. A caixa de ferramentas permite a execução de análises rápidas de todo o cérebro, análises de região de interesse e análises de ponto de busca, utilizando classificadores de aprendizado de máquina, análise de correlação de padrões ou análise de similaridade representacional. Oferece a criação e visualização automáticas de diversos esquemas de validação cruzada, escalonamento de características, seleção de parâmetros aninhados, uma variedade de métodos de seleção de características, capacidades multiclass e reconstrução de padrões a partir de pesos de classificadores. Enquanto usuários básicos podem implementar uma análise genérica em uma linha de código, usuários avançados podem estender a caixa de ferramentas para suas necessidades ou explorar a estrutura para combiná-la com caixas de ferramentas de classificação de alto desempenho externas. A caixa de ferramentas vem com um conjunto de dados de exemplo que pode ser usado para experimentar os vários métodos de análise. Em conjunto, o TDT oferece uma opção promissora para pesquisadores que desejam empregar análises multivariadas de padrões de atividade cerebral.
Hebart et al. (Ter,) estudaram essa questão.