贝叶斯对数高斯Cox过程回归：在神经影像工作记忆研究荟萃分析中的应用
应用统计
2019-12-20 v2
摘要
工作记忆（WM）是最早使用功能性磁共振成像研究的认知过程之一。经过20多年对WM的研究，每项研究样本量都很小，因此需要进行荟萃分析以确定被WM任务一致激活的脑区，并理解这些激活中的研究间变异。然而，该领域当前的方法无法充分解释神经影像荟萃分析数据的空间性质或WM研究中观察到的异质性。在这项工作中，我们提出了一种基于对数高斯Cox过程的完全贝叶斯随机效应荟萃回归模型，可用于神经影像研究的荟萃分析。提出了一种用于后验模拟的高效马尔可夫链蒙特卡罗方案，其利用了近期使用图形处理单元的并行计算进展。将所提模型应用于真实数据集，为WM的功能提供了有价值的见解。
引用
@article{arxiv.1701.02643,
title = {Bayesian log-Gaussian Cox process regression: applications to meta-analysis of neuroimaging working memory studies},
author = {Pantelis Samartsidis and Claudia R. Eickhoff and Simon B. Eickhoff and Tor D. Wager and Lisa Feldman Barrett and Shir Atzil and Timothy D. Johnson and Thomas E. Nichols},
journal= {arXiv preprint arXiv:1701.02643},
year = {2019}
}