Декодирование динамических паттернов мозговой активности по вызванным ответам: учебное руководство по многомерному анализу паттернов, применяемому к временным рядам нейровизуализационных данных

Многомерный анализ паттернов (multivariate pattern analysis, MVPA), или декодирование мозговой активности, стал стандартным методом анализа данных функциональной магнитно-резонансной томографии (фМРТ). Хотя методы декодирования широко применяются в интерфейсах «мозг — компьютер», лишь недавно их начали использовать для анализа временных рядов нейровизуализационных данных, таких как магнитоэнцефалография (МЭГ) и электроэнцефалография (ЭЭГ), с целью решения экспериментальных задач когнитивной нейронауки. В этом обзоре, представленном в формате учебного руководства, мы описываем широкий спектр возможностей, которые могут быть полезны при планировании будущих исследований декодирования временных рядов с позиций когнитивной нейронауки. На примере данных МЭГ мы показываем, как различные решения на этапах конвейера декодирования могут влиять на результаты эксперимента, если целью является «декодирование» различных перцептивных стимулов или когнитивных состояний во времени по динамическим паттернам мозговой активации. Мы демонстрируем, что решения, принимаемые как на этапе предварительной обработки (например, снижение размерности, субдискретизация и усреднение по пробам), так и на этапе декодирования (например, выбор классификатора и схема кросс-валидации), могут существенно влиять на результаты. Помимо стандартного декодирования, мы описываем расширения MVPA для анализа изменяющихся во времени нейровизуализационных данных, включая анализ сходства репрезентаций, временное обобщение и интерпретацию карт весов классификатора. Наконец, мы обозначаем важные ограничения, которые необходимо учитывать при планировании и интерпретации экспериментов по декодированию временных рядов.