纵向高维主成分分析及其在多发性硬化症扩散张量成像中的应用
应用统计
2015-01-20 v1
摘要
我们开发了一个灵活的框架，用于建模纵向观测的高维成像数据。该方法将重复测量的高维观测值的观测变异性分解为三个加性分量：量化横截面变异性的受试者特异性成像随机截距、量化多次实现中动态不可逆变形的受试者特异性成像斜率，以及量化访问间可交换效应的受试者 - 访问特异性成像偏差。所提出的方法非常快速，可扩展至包含超高维数据的研究，并且易于适应并在适度的计算基础设施上执行。该方法应用于多发性硬化症 (MS) 受试者胼胝体扩散张量成像 (DTI) 数据的纵向分析。该研究包括 名受试者，共进行了 次访问。对于每位受试者和每次访问，研究包含一个在约 30,000 个体素处注册的胼胝体 DTI 扫描。
引用
@article{arxiv.1501.04420,
title = {Longitudinal high-dimensional principal components analysis with application to diffusion tensor imaging of multiple sclerosis},
author = {Vadim Zipunnikov and Sonja Greven and Haochang Shou and Brian S. Caffo and Daniel S. Reich and Ciprian M. Crainiceanu},
journal= {arXiv preprint arXiv:1501.04420},
year = {2015}
}
备注
Published in at http://dx.doi.org/10.1214/14-AOAS748 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)