针对大脑解剖区域功能网络的高维检验
统计方法学
2016-03-22 v1
摘要
利用功能磁共振成像(fMRI)数据学习自闭症障碍的静息态脑功能连接日益受到关注。标准脑模板中的数据包含每个受试者超过200,000个体素特异性时间序列。这种超高维数据使得体素级功能连接分析(涉及四十亿个体素对)效能不足且极度低效。本工作中，我们引入一种新框架，为每个个体在脑解剖区域级别识别功能脑网络。我们提出两个成对检验以检测区域依赖性，以及一个多重检验过程以识别网络的全局结构。推导了检验统计量的极限零分布。研究还表明，当替代网络稀疏时，这些检验是速率最优的。数值研究显示所提检验有效且高效。我们将方法应用于一项关于自闭症的静息态fMRI研究，识别出患者特有和对照特有的枢纽区域。这些发现与自闭症临床症状一致。
引用
@article{arxiv.1603.06138,
title = {High Dimensional Tests for Functional Networks of Brain Anatomic Regions},
author = {Jichun Xie and Jian Kang},
journal= {arXiv preprint arXiv:1603.06138},
year = {2016}
}