基于全分辨率推断且具有空间激活保证的自适应簇阈值化
统计方法学
2023-05-12 v3 统计计算
摘要
经典簇推断受空间特异性悖论所困。给定无激活体素的原假设，备择假设表明簇中至少有一个激活体素。因此，簇越大，我们对簇中激活位置所知越少。Rosenblatt 等人（2018）提出了一种事后推断方法，全分辨率推断（All-resolutions Inference, ARI），通过估计任意脑区的激活体素数量来解决这一悖论。ARI 允许用户选择任意脑区，并为每个脑区返回真实发现比例（TDP）的同步下置信界，保持对族错误率的控制。然而，ARI 并不引导用户找到 TDP 足够高的区域。在本文中，我们提出一种高效算法，输出所有极大超阈值簇，对于它们 ARI 给出的 TDP 下置信界至少达到所选阈值，适用于任意数量的阈值（无需先验选定也无需一次性全部选定）。在线性对数时间的预处理步骤后，算法仅在其输出规模上花费线性时间。我们用两个 fMRI 数据集的应用演示了该算法。对于两个数据集，我们均在不到一秒内发现了若干 TDP 自信地达到或超过给定阈值的簇。
引用
@article{arxiv.2206.13587,
title = {Adaptive Cluster Thresholding with Spatial Activation Guarantees Using All-resolutions Inference},
author = {Xu Chen and Jelle J. Goeman and Thijmen J. P. Krebs and Rosa J. Meijer and Wouter D. Weeda},
journal= {arXiv preprint arXiv:2206.13587},
year = {2023}
}