Population Value Decomposition, a Framework for the Analysis of Image Populations.
Population Value Decomposition, a Framework for the Analysis of Image Populations.
复制标题
DOI：
10.1198/jasa.2011.ap10089
复制
发表时间：
2011
影响因子：
3.7
通讯作者：
Punjabi NM
中科院分区：
文献类型：
--
作者：
Crainiceanu CM;Caffo BS;Luo S;Zipunnikov VM;Punjabi NM
图像通常存储在多维数组中，在医学和公共卫生研究中迅速变得无处不在。分析图像群体是一个统计问题，它带来了许多令人生畏的挑战。最大的挑战是数据集的巨大规模，其中包含数百或数千名受试者在多次访视时记录的图像。我们介绍了人口值分解（PVD），一个通用的方法，同时减少大量人口的海量图像的维数。我们展示了如何PVD可以无缝地纳入统计建模，导致一个新的，透明的，快速的推理框架。我们的PVD方法是由睡眠心脏健康研究激发的，并应用于睡眠心脏健康研究，这是最大的基于社区的睡眠队列研究，在两次访问中对数千名受试者进行了超过850亿次观察。这篇文章在网上有补充材料。
Images, often stored in multidimensional arrays, are fast becoming ubiquitous in medical and public health research. Analyzing populations of images is a statistical problem that raises a host of daunting challenges. The most significant challenge is the massive size of the datasets incorporating images recorded for hundreds or thousands of subjects at multiple visits. We introduce the population value decomposition (PVD), a general method for simultaneous dimensionality reduction of large populations of massive images. We show how PVD can be seamlessly incorporated into statistical modeling, leading to a new, transparent, and rapid inferential framework. Our PVD methodology was motivated by and applied to the Sleep Heart Health Study, the largest community-based cohort study of sleep containing more than 85 billion observations on thousands of subjects at two visits. This article has supplementary material online.
登录
查看更多内容
影响因子：
3.7
作者：
Crainiceanu CM;Staicu AM;Di CZ
通讯作者：
Di CZ
影响因子：
7.8
作者：
Hyvärinen, A;Oja, E
通讯作者：
Oja, E
影响因子：
5.7
作者：
Calhoun VD;Liu J;Adali T
通讯作者：
Adali T
影响因子：
--
作者：
CHESHIRE, K;ENGLEMAN, H;DOUGLAS, NJ
通讯作者：
DOUGLAS, NJ
影响因子：
24.3
作者：
Kingshott, RN;Engleman, HM;Douglas, NJ
通讯作者：
Douglas, NJ