一种针对海量大规模神经影像数据的新块协方差回归模型及推断框架
统计方法学
2025-03-03 v1
摘要
一些证据表明，与典型发育的同龄人相比，自闭症谱系障碍患者表现出大脑功能连接异常的模式，但尚未能复现具体的发现。为了利用来自自闭症脑成像数据交换（ABIDE）的数据促进这一复现目标，我们提出了一种灵活且可解释的模型，用于参与者特定的体素级大脑功能连接。我们的方法能够高效处理超过一万亿个数据点的海量参与者特定全脑体素级连接数据。该模型的关键组成部分是利用由定义的感兴趣区域诱导的块结构，通过块协方差结构在高维连接矩阵中引入简约性。大脑功能连接与参与者特征（包括静息扫描期间的眼睛状态、性别、年龄及其交互作用）之间的关联在贝叶斯框架内进行估计。Spike-and-slab先验促进了假设检验，以识别与自闭症诊断相关的体素。进行了模拟研究以评估所提出模型和估计框架的经验性能。在ABIDE中，该方法复现了文献中的关键发现，并提出了有待研究的新关联。
引用
@article{arxiv.2502.21235,
title = {A new block covariance regression model and inferential framework for massively large neuroimaging data},
author = {Hyoshin Kim and Sujit K. Ghosh and Emily C. Hector},
journal= {arXiv preprint arXiv:2502.21235},
year = {2025}
}