<div dir="ltr"><div>Thanks for the insight!</div><div>I personally use always normalized and I do not think that this should matter too much.<br><div>I think given that normalization introduces some smoothing, it may probably even increase predictions - as Hans Op De Beeck showed that smoothing might be helpful for prediction rate.</div>

</div></div><div class="gmail_extra"><br><br><div class="gmail_quote">On Mon, May 5, 2014 at 10:21 PM, J.A. Etzel <span dir="ltr"><<a href="mailto:jetzel@artsci.wustl.edu" target="_blank">jetzel@artsci.wustl.edu</a>></span> wrote:<br>

<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">I've done both: MVPA in subject space (no spatial normalization), and after normalization to an atlas. Even for searchlight analysis both are possible: run the searchlights in subject space and normalize for the group-level analysis, or normalize first.<br>


<br>
Ideally, it wouldn't matter at which stage of analysis spatial normalization was done. And it often doesn't seem to matter much in practice, particularly when working with fairly large ROIs.<br>
<br>
Sometimes working in subject space, with individually-defined ROIs seems most sensible, for example when a small, definable anatomic structure is of interest (such as the amygdala or hippocampus). Other times you need to work with spatially-normalized images, such as when doing a multiple-subject analysis.<br>


<br>
All spatial normalization algorithms are imperfect, and introduce additional blurring, distortions, and dependencies into the images. We accept those distortions for mass-univariate GLM analyses; should we accept them for MVPA as well? I usually do, hoping that they will be relatively minor compared to the distortions already added to the data (e.g. movement correction, slice-timing, scanner drift), and in BOLD itself.<br>


<br>
Do others have different experiences? Ever seen a dataset in which spatial normalization made a meaningful difference?<br>
<br>
Jo<div><div class="h5"><br>
<br>
<br>
<br>
On 5/3/2014 9:31 AM, Vadim Axel wrote:<br>
</div></div><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div><div class="h5">
Hi,<br>
<br>
If one uses functional localizer or selects anatomical ROIs individually<br>
he might run MVPA in a native space (without spatial normalization to<br>
template of the data). Have you encountered any paper that compared<br>
normalized vs. non-normlaized prediction rates? Or probably personal<br>
observation? Obviously, for search-light one needs to normalize.<br>
<br>
Thanks,<br>
Vadim<br>
<br>
<br>
<br></div></div>
______________________________<u></u>_________________<br>
Pkg-ExpPsy-PyMVPA mailing list<br>
<a href="mailto:Pkg-ExpPsy-PyMVPA@lists.alioth.debian.org" target="_blank">Pkg-ExpPsy-PyMVPA@lists.<u></u>alioth.debian.org</a><br>
<a href="http://lists.alioth.debian.org/cgi-bin/mailman/listinfo/pkg-exppsy-pymvpa" target="_blank">http://lists.alioth.debian.<u></u>org/cgi-bin/mailman/listinfo/<u></u>pkg-exppsy-pymvpa</a><br>
<br><span class="HOEnZb"><font color="#888888">
</font></span></blockquote><span class="HOEnZb"><font color="#888888">
<br>
-- <br>
Joset A. Etzel, Ph.D.<br>
Research Analyst<br>
Cognitive Control & Psychopathology Lab<br>
Washington University in St. Louis<br>
<a href="http://mvpa.blogspot.com/" target="_blank">http://mvpa.blogspot.com/</a><br>
<br>
______________________________<u></u>_________________<br>
Pkg-ExpPsy-PyMVPA mailing list<br>
<a href="mailto:Pkg-ExpPsy-PyMVPA@lists.alioth.debian.org" target="_blank">Pkg-ExpPsy-PyMVPA@lists.<u></u>alioth.debian.org</a><br>
<a href="http://lists.alioth.debian.org/cgi-bin/mailman/listinfo/pkg-exppsy-pymvpa" target="_blank">http://lists.alioth.debian.<u></u>org/cgi-bin/mailman/listinfo/<u></u>pkg-exppsy-pymvpa</a><br>
</font></span></blockquote></div><br></div>