一种识别聚类结构差异的统计检验
统计方法学
2013-11-27 v1
摘要
对功能性磁共振成像（fMRI）数据的统计推断是脑成像中的一项重要任务。一个主要假设是，精神障碍的存在与否可以通过大脑中神经元的差异聚类来解释。鉴于这一事实，显然有必要探讨患者组与对照组之间的聚类属性是否发生了变化的问题。处理脑成像中组间差异的常规方法是使用适当的检验（例如 t 检验）对平均组响应差异进行逐体素单变量分析，并将生成的“显著不同体素”组装成聚类，然后在聚类水平再次进行检验。当然，在这种方法中，主要的体素水平检验对任何聚类结构都是盲目的。在脑成像中，直接评估组间差异（或组内可重复性）在聚类水平的情况很少见。为此，我们引入了一种称为 ANOCVA（聚类结构变异性分析）的新型统计检验，该方法利用特定特征统计检验两个或多个总体是否具有相同的聚类结构。所提出的方法允许我们同时比较多个组的聚类结构，并识别导致差异聚类的特征。我们通过模拟以及将其应用于由患有 ADHD 的儿童和对照组组成的 fMRI 数据集来说明 ANOCVA 的性能。结果表明，两者之间大脑的聚类结构存在若干差异，这证实了文献中的假设。此外，我们识别出了一些先前未被描述的大脑区域，从而产生了需要实证检验的新假设。
引用
@article{arxiv.1311.6732,
title = {A statistical test to identify differences in clustering structures},
author = {André Fujita and Daniel Y. Takahashi and Alexandre G. Patriota and João R. Sato},
journal= {arXiv preprint arXiv:1311.6732},
year = {2013}
}