Discussion on "distributional independent component analysis for diverse neuroimaging modalities" by Ben Wu, Subhadip Pal, Jian Kang, and Ying Guo.
Discussion on "distributional independent component analysis for diverse neuroimaging modalities" by Ben Wu, Subhadip Pal, Jian Kang, and Ying Guo.
复制标题
DOI：
10.1111/biom.13591
复制
发表时间：
2022-09
期刊：
影响因子：
1.9
通讯作者：
Nichols, Thomas E.
中科院分区：
文献类型：
--
作者：
Keeratimahat, Kan;Nichols, Thomas E.
为MRI数据的数据驱动分析方法做出了重要贡献。然而，我们希望挑战作者在扩散张量成像数据之外的新的潜在应用，并仔细考虑他们的方法中隐含的随机初始化的影响。我们说明了从重新分析提供的演示数据多次发现的变异性，发现发现的独立组件具有广泛的可靠性，从几乎完美的重叠，没有重叠。
have made an important contribution to the methodology for data-driven analysis of MRI data. However, we wish to challenge the authors on new potential applications of their approach beyond diffusion tensor imaging data, and to think carefully about the impact of random initialization implicit in their method. We illustrate the variability found from re-analyzing the supplied demonstration data multiple times, finding that that the discovered independent components have a wide range of reliability, from nearly perfect overlap to no overlap at all.
登录
查看更多内容
影响因子：
5.7
作者：
Karnath HO;Sperber C;Rorden C
通讯作者：
Rorden C
影响因子：
5.7
作者：
Zhang, Hui;Schneider, Torben;Alexander, Daniel C.
通讯作者：
Alexander, Daniel C.
白质超强度是什么？与血管认知障碍有关。
影响因子：
5.4
作者：
Wardlaw JM;Valdés Hernández MC;Muñoz-Maniega S
通讯作者：
Muñoz-Maniega S
影响因子：
20.6
作者：
Jung, TP;Makeig, S;Sejnowski, TJ
通讯作者：
Sejnowski, TJ
分布独立的成分分析，用于不同的神经影像学方式。
影响因子：
1.9
作者：
Wu, Ben;Pal, Subhadip;Kang, Jian;Guo, Ying
通讯作者：
Guo, Ying