基于参数化 Bootstrap 的神经影像学更快族系误差控制
统计方法学
2018-08-23 v2
摘要
在神经影像学中，需要对一组脑区或图像中的所有位置进行数百至数十万次检验。最近的研究表明，影像学中最常用的依赖经典数学不等式或高斯随机场理论的族系误差（FWE）控制方法，其 FWE 率远偏离名义水平。根据所采用的方法不同，FWE 率可能极小或被严重夸大。鉴于神经影像学被广泛用作理解神经和精神疾病的工具，提供可靠的多重检验方法至关重要。据我们所知，目前仅有置换联合检验方法被证明能在名义水平上可靠地控制 FWER。然而，由于日益增多的大样本量和图像维度，这些方法的计算量极大，分析可能需要数天才能完成。在此，我们开发了一种参数化 Bootstrap 联合检验方法。该参数化 Bootstrap 方法直接作用于检验统计量，与基于重采样的方法相比，能更快地估计调整后的 值，同时在许多神经影像学研究所用的样本量下能可靠地控制 FWER。我们通过模拟证明了该方法在有限样本下能控制 FWER，并进行了区域和体素水平分析，以检验脑血流量发育轨迹中的性别差异。
引用
@article{arxiv.1708.05037,
title = {Faster Family-wise Error Control for Neuroimaging with a Parametric Bootstrap},
author = {Simon N. Vandekar and Theodore D. Satterthwaite and Adon Rosen and Rastko Ciric and David R. Roalf and Kosha Ruparel and Ruben C. Gur and Raquel E. Gur and Russell T. Shinohara},
journal= {arXiv preprint arXiv:1708.05037},
year = {2018}
}