SVMCrossVal.git

1) function plotDecodePerformance(timeline,inputStruct)

2) 
3) global CROSSVAL_METHOD_DEF;

4) 

5) PSTH_AXIS_MIN = -1;
6) PSTH_AXIS_MAX = 1;

7) 

8)         psthStart         = timeline.psthStart;
9)         psthEnd           = timeline.psthEnd;
10)         frameStart        = timeline.frameShiftStart;
11)         frameEnd          = timeline.frameShiftEnd;

12) 
13)         nClasses          = inputStruct.nClasses;
14)         decodePerformance = inputStruct.decodePerformance;
15)         psth              = inputStruct.rawTimeCourse;
16)         SubjectID         = inputStruct.SubjectID;
17)         smoothed          = inputStruct.smoothed;

18)         PLOT_METHOD       = inputStruct.CROSSVAL_METHOD;

19) %         CROSSVAL_METHOD_DEF = inputStruct.CROSSVAL_METHOD_DEF;

20) 

21) 
22)     f = figure;
23)     subplot(2,1,1);
24)     hold on;
25)       for voxel = 1:size(psth,2)
26)           for label = 1:size(psth{voxel},2)
27)               psthData = [];
28)               for timepoint = 1:size(psth{voxel}{label},2)

29)                   psthData = nanmean(psth{voxel}{label});

30)               end
31)               plot(psthStart:psthEnd,psthData,[colorChooser(voxel), lineStyleChooser(label)]);
32)           end
33)       end

34)     axis([psthStart psthEnd PSTH_AXIS_MIN PSTH_AXIS_MAX])

35)     xlabel('time [sec]');
36)     ylabel('fMRI-signal change [%]');

37)     hold off
38)     
39)     subplot(2,1,2)    
40)     hold on;

41)     

42)     chanceLevel = 100/nClasses;
43)     goodPredictionLevel = chanceLevel*1.5;

44)     plot([psthStart psthEnd],[chanceLevel chanceLevel],'k:');
45)     plot([psthStart psthEnd],[goodPredictionLevel goodPredictionLevel],'k:');

46)     axis([psthStart psthEnd 0 100])

47)     xlabel('time [sec]');
48)     ylabel('decode performance [%]');
49)     

50)     

51)     

52)     switch PLOT_METHOD

53)         case CROSSVAL_METHOD_DEF.svmcrossval
54)             plot(frameStart:frameEnd, mean(decodePerformance,2) ,'b','LineWidth',2);

55) 
56)             se = myStdErr(decodePerformance,2);
57)             plot(frameStart:frameEnd, mean(decodePerformance,2)+se ,'b:');
58)             plot(frameStart:frameEnd, mean(decodePerformance,2)-se ,'b:');

59)         case CROSSVAL_METHOD_DEF.classPerformance

60)             for c = 1:size(decodePerformance,2)
61)                 plot(frameStart:frameEnd, decodePerformance(:,c) ,[colorChooser(mod(c,nClasses)+3) '-']);
62)             end
63) 
64)             plot(frameStart:frameEnd, mean(decodePerformance,2) ,'b','LineWidth',2);
65) 
66)     end

67)     
68)     

69)     hold off;

70)     

71)     nSubjects = size(SubjectID,2);
72)     nVoxelPerSubject = size(psth,2)/size(SubjectID,2);
73)     
74)     if strcmp(smoothed,'yes')
75)         smoothedString = 'using smoothed data';
76)     else
77)         smoothedString = 'using unsmoothed data';
78)     end
79)     
80)     if nSubjects == 1
81)         subjectName = cell2Mat(SubjectID);
82)         title = sprintf('Subject %s, over %g voxel, %s',subjectName,nVoxelPerSubject,smoothedString);
83)     else
84)         title = sprintf('%g Subjects, %g Voxel per Subject, %s',nSubjects,nVoxelPerSubject,smoothedString);
85)     end
86)     

87) 
88)     set(f,'Name',title);
89)     display(sprintf('%s',title));
90) 
91) 
92) 
93) end
94) 

95) 

96) function color = colorChooser(n)
97)     switch (mod(n,8))
98)     case 0
99)         color = 'r';

100)     case 1
101)         color = 'g';

102)     case 2
103)         color = 'b';
104)     case 3

105)         color = 'c';
106)     case 4
107)         color = 'm';
108)     case 5
109)         color = 'y';

110)     otherwise
111)         color = 'k';
112)     end
113) end
114) 
115) function style = lineStyleChooser(n)
116) switch(mod(n,4))
117)     case 0
118)       style = '--';
119)     case 1
120)         style = '-';
121)     case 2 
122)         style = ':';
123)     case 3

124)         style = '-.';