[DEBUG-WINDOW 처리영역 보기]
즐겨찾기  |  뉴스레터  |  오늘의 정보  |  e브릭몰e브릭몰 회원가입   로그인
BRIC홈 한국을 빛내는 사람들
물리적 거리두기 실천
스폰서배너광고 안내  배너1 배너2 배너3 배너4
LABox-과학으로 본 코로나19 (COVID-19)
전체보기 추천논문 상위피인용논문 인터뷰 그이후 한빛사통계
Lada Kohoutová
Lada Kohoutová (Lada Kohoutová) 저자 이메일 보기
기초과학연구원, 성균관대학교
저자CV 보기
47 KB
조회 159  인쇄하기 주소복사 트위터 공유 페이스북 공유 
Toward a unified framework for interpreting machine-learning models in neuroimaging
열기 Authors and Affiliations


Machine learning is a powerful tool for creating computational models relating brain function to behavior, and its use is becoming widespread in neuroscience. However, these models are complex and often hard to interpret, making it difficult to evaluate their neuroscientific validity and contribution to understanding the brain. For neuroimaging-based machine-learning models to be interpretable, they should (i) be comprehensible to humans, (ii) provide useful information about what mental or behavioral constructs are represented in particular brain pathways or regions, and (iii) demonstrate that they are based on relevant neurobiological signal, not artifacts or confounds. In this protocol, we introduce a unified framework that consists of model-, feature- and biology-level assessments to provide complementary results that support the understanding of how and why a model works. Although the framework can be applied to different types of models and data, this protocol provides practical tools and examples of selected analysis methods for a functional MRI dataset and multivariate pattern-based predictive models. A user of the protocol should be familiar with basic programming in MATLAB or Python. This protocol will help build more interpretable neuroimaging-based machine-learning models, contributing to the cumulative understanding of brain mechanisms and brain health. Although the analyses provided here constitute a limited set of tests and take a few hours to days to complete, depending on the size of data and available computational resources, we envision the process of annotating and interpreting models as an open-ended process, involving collaborative efforts across multiple studies and laboratories.

- 형식: Research article
- 게재일: 2020년 03월 (BRIC 등록일 2020-03-20)
- 연구진: 국내(교신)+국외 연구진태극기
- 분야: Neuroscience
관련 보도자료
설명 가능한 뇌영상 인공지능 모델 분석 파이프라인 개발
인공지능과 기계학습의 인기는 날이 갈수록 높아지고 있다. 뇌인지과학 분야도 예외가 아니며, 최근 인공지능과 기계학습 알고리즘을 뇌영상에 적용하여 병을 진단하고 치료 효과를 예측하는 연구가 인기를 얻고 있다. 심지어...
세포 형광 이미징 멀티플렉싱을 위한 초고속 사이클링[Angew. Chem.-Int. Edit.]
발표: 고진아 (Massachusetts General Ho...)
일자: 2020년 4월 14일 (화) 오전 10시 (한국시간)
언어: 영어
참석자 접수신청하기
The presenting symptoms of cancer and stage at diagnosis[Lancet Oncol.]
발표: 구민정 (University College Londo...)
일자: 2020년 4월 20일 (월) 오후 04시 (한국시간)
언어: 영어
참석자 접수신청하기

  댓글 0
Lada Kohoutová 님 전체논문보기 >
우충완 (성균관대학교, 기초과학연구원...)
관련분야 논문보기

Google (by Lada Kohoutová)
Pubmed (by Lada Kohoutová)
프리미엄 Bio일정 Bio일정 프리미엄 안내
[BRIC Webinar]세포 형광 이미징 멀티플렉싱을 위한 초고속 사이클링[Angew. Chem.-Int. Edit.]
[재직자무료교육] 분석기기(HPLC) 활용 품질검사 실습(4.9~4.10) / 화장품 제형제조 기술 실습(4.13~4.14)
[재직자무료교육] 분석기기(HPLC) 활용 품질검사 실습(4.9~4.10) / 화장품 제형제조 기술 실습(4.13~4.14)
날짜: 2020.04.09~14
장소: 충청북도 청주시 흥덕구 오송읍 오송생명1로 194-41 충북산학융합본부 기업연구1관 교육장
한빛사 홈  |  한빛사FAQ  |  한빛사 문의 및 제안
 |  BRIC소개  |  이용안내  |  이용약관  |  개인정보처리방침  |  이메일무단수집거부
Copyright © BRIC. All rights reserved.  |  문의 member@ibric.org
트위터 트위터    페이스북 페이스북   유튜브 유튜브    RSS서비스 RSS