多模态神经影像数据整合与通路分析
统计方法学
2019-08-30 v1
摘要
随着技术的快速发展，在一组共同受试者上收集多种类型测量的做法在科学中正变得常规化。一些显著例子包括用于同时研究脑结构与功能多模态神经影像研究，以及用于结合遗传与基因组信息的多组学研究。多模态数据的整合分析使科学家能够探究新的机制性问题。然而，数据收集与整合假设的生成正超越可用于多模态测量联合分析的方法。在本文中，我们在中介分析背景下研究高维多模态数据整合。我们旨在理解不同数据模态作为暴露变量与结果之间通路中可能中介的作用。我们提出一个以两类数据作为分离中介集合的中介模型框架，并发展了一种用于参数估计的惩罚优化方法。我们通过渐近分析研究估计量的理论性质，并通过模拟研究其有限样本表现。我们用一项多模态脑通路分析来展示我们的方法，该分析以结构与功能连接性作为性别与语言处理之间关联的中介。
引用
@article{arxiv.1908.10925,
title = {Multimodal Neuroimaging Data Integration and Pathway Analysis},
author = {Yi Zhao and Lexin Li and Brian S. Caffo},
journal= {arXiv preprint arXiv:1908.10925},
year = {2019}
}