PsyArXiv 预印本·· 5 小时前AI 评分53
新方法将偏最小二乘相关扩展到被试内相关分析
A partial least squares approach for within-subject correlations in neuroscience
AI 导读
研究提出偏最小二乘相关（PLSC）的被试内扩展方法，用于捕捉逐试次神经活动与主观评分或刺激属性之间的关系。作者用模拟数据验证其能检测已知效应，并在公开 fMRI 和 EEG 数据集上复现了已发表结果，方法以 pyplsc 和 mne-plsc Python 包免费提供。该预印本尚未经同行评审。
摘要 · AI 翻译
偏最小二乘相关（PLSC）是一种多变量技术，用于神经科学中捕捉神经数据与感兴趣协变量之间的关系模式。传统上，PLSC 捕捉的是被试间相关（例如，平均神经激活与平均任务表现之间的相关）。然而，被试内相关（例如，神经激活与主观评分或刺激属性之间的逐试次关系）也常常受到关注。因此，我们引入了 PLSC 的一种扩展，用于捕捉被试内相关。我们针对相关的参数方法对该方法进行了验证，并证明它能在模拟数据中检测到已知效应，并在公开的 fMRI 和 EEG 数据集中重现已发表的发现。该方法作为 pyplsc 和 mne-plsc Python 包的一部分免费提供。
摘要来源：信源摘要
中文由 AI 翻译，仅供参考，以原文为准。
来源：PsyArXiv 预印本 · osf.io