Bayesian scalar-on-image regression with application to association between intracranial DTI and cognitive outcomes.
Bayesian scalar-on-image regression with application to association between intracranial DTI and cognitive outcomes.
复制标题
DOI：
10.1016/j.neuroimage.2013.06.020
复制
发表时间：
2013-12
期刊：
影响因子：
5.7
通讯作者：
Crainiceanu CM
中科院分区：
文献类型：
--
作者：
Huang L;Goldsmith J;Reiss PT;Reich DS;Crainiceanu CM
扩散张量成像（DTI）测量白色物质内的水扩散，允许脑通路的体内量化。这些通路通常有助于特定的功能，并且这些功能的损伤通常与成像异常相关。作为从DTI图像预测临床残疾的方法，我们提出了一个分层贝叶斯“标量图像”回归过程。我们的程序引入了一个潜在的二进制映射，估计预测体素的位置，并惩罚这些体素中的效应大小的大小，从而解决了问题的不适定性。通过引入空间先验结构，该过程产生稀疏关联图，该图还保持预测区域的空间连续性。该方法被证明在模拟研究和分数各向异性和认知障碍之间的关联的研究，在135例多发性硬化症患者的横截面样本。
Diffusion tensor imaging (DTI) measures water diffusion within white matter, allowing for in vivo quantification of brain pathways. These pathways often subserve specific functions, and impairment of those functions is often associated with imaging abnormalities. As a method for predicting clinical disability from DTI images, we propose a hierarchical Bayesian “scalar-on-image” regression procedure. Our procedure introduces a latent binary map that estimates the locations of predictive voxels and penalizes the magnitude of effect sizes in these voxels, thereby resolving the ill-posed nature of the problem. By inducing a spatial prior structure, the procedure yields a sparse association map that also maintains spatial continuity of predictive regions. The method is demonstrated on a simulation study and on a study of association between fractional anisotropy and cognitive disability in a cross-sectional sample of 135 multiple sclerosis patients.
登录
查看更多内容
影响因子：
2.5
作者：
HOERL, AE;KENNARD, RW
通讯作者：
KENNARD, RW
大规模预测问题的经验贝叶斯估计。
影响因子：
3.7
作者：
Efron B
通讯作者：
Efron B
影响因子：
5.7
作者：
Goldsmith, Jeff;Crainiceanu, Ciprian M.;Caffo, Brian S.;Reich, Daniel S.
通讯作者：
Reich, Daniel S.
影响因子：
5.7
作者：
Flandin, Guillaume;Penny, William D.
通讯作者：
Penny, William D.
影响因子：
5.8
作者：
Fischer, JS;Rudick, RA;Reingold, SC
通讯作者：
Reingold, SC