使用贝叶斯非参数二元回归对功能神经影像数据进行荟萃分析

在这项工作中，我们对神经影像数据进行了荟萃分析，这些数据包括在162项关于情绪的独立研究中确定的峰值激活位置。神经影像荟萃分析通常使用基于核的方法进行。然而，这些方法需要预先设定核宽度，并且在整个大脑中保持恒定。为了解决这些问题，我们提出了一种完全贝叶斯非参数二元回归方法来进行神经影像荟萃分析。在我们的方法中，每个位置（或体素）都有一个成为峰值激活的概率，相应的概率函数基于空间自适应高斯马尔可夫随机场（GMRF）。我们还在模型中包含参数，以增强对体素响应错误编码的鲁棒性。使用从Holmes和Held [Bayesian Anal. 1 (2006) 145--168] 中扩展的高效MCMC算法进行后验推断。我们的方法允许概率函数相对于协变量局部自适应，即在协变量空间的一个区域平滑，在另一个区域波动甚至不连续。还可以获得每个识别体素的后验错误编码概率，识别可能被错误分类为激活的体素。模拟研究和情绪神经影像数据的应用表明，我们的方法优于标准的基于核的方法。