Meta Analysis of Functional Neuroimaging Data via Bayesian Spatial Point Processes.
Meta Analysis of Functional Neuroimaging Data via Bayesian Spatial Point Processes.
复制标题
DOI：
10.1198/jasa.2011.ap09735
复制
发表时间：
2011-03-01
影响因子：
3.7
通讯作者：
Wager TD
中科院分区：
文献类型：
--
作者：
Kang J;Johnson TD;Nichols TE;Wager TD
随着功能神经影像学学科的发展，人们对脑成像研究的荟萃分析越来越感兴趣。典型的神经影像荟萃分析从多项研究中收集峰值激活坐标（焦点）并识别一致激活的区域。大多数成像荟萃分析方法仅产生零假设推论，不提供可解释的拟合模型。为了克服这些限制，我们提出了一种使用标记独立聚类过程的贝叶斯空间层次模型。我们将焦点建模为潜在研究中心过程的后代，而研究中心又是潜在种群中心过程的后代。人口中心过程的后验强度函数提供了对人口中心位置的推断，以及关于人口中心的焦点的研究间变异性。我们通过由 164 份出版物中的 437 项研究组成的荟萃分析来说明我们的模型，展示如何通过敏感性分析和模拟研究来比较两个研究亚群并评估我们的模型。补充材料可在线获取。
As the discipline of functional neuroimaging grows there is an increasing interest in meta analysis of brain imaging studies. A typical neuroimaging meta analysis collects peak activation coordinates (foci) from several studies and identifies areas of consistent activation. Most imaging meta analysis methods only produce null hypothesis inferences and do not provide an interpretable fitted model. To overcome these limitations, we propose a Bayesian spatial hierarchical model using a marked independent cluster process. We model the foci as offspring of a latent study center process, and the study centers are in turn offspring of a latent population center process. The posterior intensity function of the population center process provides inference on the location of population centers, as well as the inter-study variability of foci about the population centers. We illustrate our model with a meta analysis consisting of 437 studies from 164 publications, show how two subpopulations of studies can be compared and assess our model via sensitivity analyses and simulation studies. Supplemental materials are available online.
登录
查看更多内容
影响因子：
4.8
作者：
Eickhoff, Simon B.;Laird, Angela R.;Grefkes, Christian;Wang, Ling E.;Zilles, Karl;Fox, Peter T.
通讯作者：
Fox, Peter T.
影响因子：
5.7
作者：
Thirion, Bertrand;Pinel, Philippe;Poline, Jean-Baptiste
通讯作者：
Poline, Jean-Baptiste
影响因子：
5.7
作者：
Turkeltaub, PE;Eden, GF;Zeffiro, TA
通讯作者：
Zeffiro, TA
影响因子：
4.2
作者：
Wager, Tor D.;Lindquist, Martin;Kaplan, Lauren
通讯作者：
Kaplan, Lauren
影响因子：
5.7
作者：
Wager, TD;Jonides, J;Reading, S
通讯作者：
Reading, S