推断脑表示中的典型样本可辨识性
摘要：对于范畴内部的表征区分，在所有感知模态以及认知和运动表征中都是重要的。最近对于脑活动的模式信息研究使用了条件丰富的设计，以更密集地采样刺激空间。为了测试大脑对一组刺激（如范畴内的示例）的响应模式是否具有较高的区分性，我们可以在所有成对比较中汇总统计证据。本文描述了一系列针对示例区分可行性的统计检验，并评估了每个检验的有效性（特异性）和统计功效（敏感性）。这些检验包括之前使用过的和新颖的、参数化和非参数化的检验，将受试者视为随机效应或固定效应，并基于不同的差异测量方法、不同的检验统计量和不同的推断过程。我们使用模拟和真实数据来确定哪些检验是有效的，哪些具有最高的敏感性。一个反映示例信息的常用检验统计量是示例区分能力指数（exemplar discriminability index，EDI），它被定义为不同示例之间的模式差异估计的平均值减去相同示例的重复之间的模式差异估计的平均值。通常使用EDI的跨受试者t检验（通常使用相关距离作为模式差异测量）需要假设EDI在H0下是0均值正态分布。尽管这个假设不是严格成立的，我们的模拟结果表明，该检验在实践中可以控制虚警率在名义水平上，因此是有效的。然而，基于平均Mahalanobis距离或平均线性判别t值的检验统计量（两者都考虑了响应之间的多变量误差协方差）在随机效应和固定效应推断中都具有更高的统计功效。
作者：Hamed Nili, Alexander Walther, Arjen Alink and Nikolaus Kriegeskorte
论文ID：2205.09514
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-05-20