Multiscale Adaptive Regression Models for Neuroimaging Data.
Multiscale Adaptive Regression Models for Neuroimaging Data.
复制标题
DOI：
10.1111/j.1467-9868.2010.00767.x
复制
发表时间：
2011-09
期刊：
影响因子：
--
通讯作者：
Ibrahim JG
中科院分区：
文献类型：
--
作者：
Li Y;Zhu H;Shen D;Lin W;Gilmore JH;Ibrahim JG
神经成像研究的目标是分析二维(2D)表面或3D体积上大量位置(称为体素)上具有复杂空间模式的成像数据。传统的成像数据分析包括两个连续的步骤：对成像数据进行空间平滑，然后在每个体素处独立地拟合统计模型。然而，传统的分析在整个图像上受到相同的平滑量、平滑程度的任意选择以及在检测空间模式方面的低统计能力的影响。我们提出了一种多尺度自适应回归模型(MARM)，将传播分离(PS)方法与每个体素的统计建模相结合，用于对来自多个受试者的神经成像数据进行空间和自适应分析。MARM具有三个特征：空间性、层次性和适应性。我们使用多尺度自适应估计和测试程序(MAET)来利用来自当前体素的相邻体素的成像观测来自适应地计算参数估计和检验统计量。在理论上，我们建立了自适应参数估计的相合性和渐近正态以及自适应检验统计量的渐近分布。我们的模拟研究和实际数据分析证实，该方法的性能明显优于传统的成像数据分析方法。
Neuroimaging studies aim to analyze imaging data with complex spatial patterns in a large number of locations (called voxels) on a two-dimensional (2D) surface or in a 3D volume. Conventional analyses of imaging data include two sequential steps: spatially smoothing imaging data and then independently fitting a statistical model at each voxel. However, conventional analyses suffer from the same amount of smoothing throughout the whole image, the arbitrary choice of smoothing extent, and low statistical power in detecting spatial patterns. We propose a multiscale adaptive regression model (MARM) to integrate the propagation–separation (PS) approach with statistical modeling at each voxel for spatial and adaptive analysis of neuroimaging data from multiple subjects. MARM has three features: being spatial, being hierarchical, and being adaptive. We use a multiscale adaptive estimation and testing procedure (MAET) to utilize imaging observations from the neighboring voxels of the current voxel to adaptively calculate parameter estimates and test statistics. Theoretically, we establish consistency and asymptotic normality of the adaptive parameter estimates and the asymptotic distribution of the adaptive test statistics. Our simulation studies and real data analysis confirm that MARM significantly outperforms conventional analyses of imaging data.
登录
查看更多内容
影响因子：
2
作者：
Polzehl, J;Spokoiny, V
通讯作者：
Spokoiny, V
影响因子：
5.7
作者：
Tabelow, Karsten;Polzehl, Joerg;Voss, Henning U.
通讯作者：
Voss, Henning U.
影响因子：
5.7
作者：
Tabelow, Karsten;Polzehl, Joerg;Spokoiny, Vladimir
通讯作者：
Spokoiny, Vladimir
DOI：
10.1111/j.2517-6161.1995.tb02031.x
发表时间：
1995-01-01
影响因子：
5.8
作者：
BENJAMINI, Y;HOCHBERG, Y
通讯作者：
HOCHBERG, Y
影响因子：
10.6
作者：
Tabelow, K.;Polzehl, J.;Voss, H. U.
通讯作者：
Voss, H. U.