摘要：认知神经科学领域的分析方法（analysis methods）并不总是能够应付 fMRI 数据的丰富度。早期的方法的关注重点是估计单个体素（voxel）或区域内的神经活动，求的是试验或块上的平均，然后再分别对每个参与者建模。这种方法基本上忽略了体素上神经表征的分布式本质、任务过程中神经活动的连续动态、对多个参与者执行联合推理的统计学优势以及使用预测模型来约束分析的价值。最近一些探索性的和理论驱动的方法已经开始尝试追求这些机会。这些方法强调了在 fMRI 分析中计算技术的重要性，尤其是机器学习、算法优化和并行计算。这些技术的采用正在实现新一代的实验和分析，并有望改变我们对一些大脑中最复杂的——也明显是人类的——信号的理解，即认知行为，比如思想、意图和记忆。

　　原文链接：?section=topstories

©本文为机器之心编译，atv直播，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]