Voxel-based Bayesian lesion-symptom mapping.
Voxel-based Bayesian lesion-symptom mapping.
复制标题
DOI：
10.1016/j.neuroimage.2009.07.061
复制
发表时间：
2010-01-01
期刊：
影响因子：
5.7
通讯作者：
Herskovits, Edward H.
中科院分区：
文献类型：
--
作者：
Chen, Rong;Herskovits, Edward H.
大多数现有的基于体素的病变症状映射方法都基于相同的统计基础：零假设显着性检验（NHST）。这些方法的两个主要限制是无法推断病变比例没有差异，以及需要多重比较校正。我们提出了一种贝叶斯方法，直接对病变比例差异的后验分布进行建模，并根据该后验分布的推断做出决策。与基于 NHST 的方法相比，我们的贝叶斯方法产生语义更清晰的推理结果，并且不需要多重比较校正。我们使用模拟数据和急性缺血性左半球中风研究的数据评估了我们的贝叶斯方法。两个实验的结果表明，贝叶斯方法对于检测表征群体差异的区域很敏感。
Most existing voxel-based lesion-symptom mapping methods are based on the same statistical foundation: null-hypothesis significance testing (NHST). The two major limitations of these methods are the inability to infer that there is no difference in lesion proportions, and a requirement for multiple-comparison correction. We propose a Bayesian approach that directly models the posterior distribution of lesion proportion difference, and makes decisions based on inference on this posterior distribution. Compared to NHST-based approaches, our Bayesian approach yields inference results with clearer semantics, and does not require multiple-comparison correction. We evaluated our Bayesian method using simulated data, and data from a study of acute ischemic left-hemispheric stroke. Results of both experiments indicate that the Bayesian approach is sensitive in detecting regions that characterize group differences.
登录
查看更多内容
影响因子：
3.2
作者：
Kimberg, Daniel Y.;Coslett, H. Branch;Schwartz, Myrna F.
通讯作者：
Schwartz, Myrna F.
影响因子：
3.7
作者：
Karnath, HO;Berger, MF;Rorden, C
通讯作者：
Rorden, C
影响因子：
5.7
作者：
Neumann, J;Lohmann, G
通讯作者：
Lohmann, G
影响因子：
1.3
作者：
Holmes, CJ;Hoge, R;Evans, AC
通讯作者：
Evans, AC
影响因子：
10.9
作者：
Jenkinson, M;Smith, S
通讯作者：
Smith, S