图像对标量回归中的潜在亚组识别
统计方法学
2023-07-04 v1
摘要
图像对标量回归已成为神经影像研究中建模脑活动与标量特征之间关联的一种流行方法。正如近期大规模神经影像研究（例如青少年脑认知发育（ABCD）研究）所表明的，这种关联在人群中存在个体异质性。ABCD 数据可增进我们对异质性关联的理解，以及如何利用该异质性并量身定制干预措施以使更多青少年受益。识别人群中的个体亚组具有重大价值，使得：1）每个亚组内部脑活动与临床测量具有同质关联；2）亚组之间关联异质；3）分组分配依赖于个体特征。现有的图像对标量回归方法与聚类方法无法直接实现这一目标。我们提出一种潜在亚组图像对标量回归模型（LASIR），用于分析具有多样化社会人口学特征的大规模多站点神经影像数据。LASIR 为每个个体引入潜在亚组及组特异的、空间变化效应，并采用高效的随机期望最大化算法进行推断。我们通过综合仿真及在 ABCD 研究上的应用证明，LASIR 在利用功能磁共振成像数据识别脑激活模式亚组方面优于现有替代方法。我们已发布可复现代码供公开使用，相关软件包可在 Github 获取：https://github.com/zikaiLin/lasir。
引用
@article{arxiv.2307.00129,
title = {Latent Subgroup Identification in Image-on-scalar Regression},
author = {Zikai Lin and Yajuan Si and Jian Kang},
journal= {arXiv preprint arXiv:2307.00129},
year = {2023}
}