一种用于结果稳定性检验的数值变异性方法及其在神经影像中的应用
医学物理
2023-07-11 v2 软件工程
摘要
确保数据分析的长期可重复性需要结果稳定性检验，以验证尽管软件和硬件不可避免地更新演进，分析结果仍保持在可接受的变异范围内。本文提出一种用于结果稳定性检验的数值变异性方法，该方法通过对浮点计算进行随机舍入来确定可接受的变异界限。将所得稳定性检验应用于广泛使用的神经影像工具 \fmriprep，我们表明该检验足够灵敏以检测图像处理方法中细微的更新，同时又足够特异以接受该应用参考版本内的数值变异。这一结果为通过提供稳健且灵活的稳定性检验方法，提升数据分析的可靠性和可重复性作出了贡献。
引用
@article{arxiv.2307.01373,
title = {A numerical variability approach to results stability tests and its application to neuroimaging},
author = {Yohan Chatelain and Loïc Tetrel and Christopher J. Markiewicz and Mathias Goncalves and Gregory Kiar and Oscar Esteban and Pierre Bellec and Tristan Glatard},
journal= {arXiv preprint arXiv:2307.01373},
year = {2023}
}