基于连接组的多变量响应非参数组变量选择及其在认知分数建模中的应用
统计方法学
2022-12-06 v3
摘要
在本文中，我们使用多响应非参数回归模型研究结构连接组与认知特征之间的关联。认知特征通过七项年龄校正认知测试分数来衡量。结构连接组由无向图表示。这些图的连通性属性以节点属性的形式给出。一组节点中心性共同可以编码脑网络中的不同连接模式。在本文中，我们考虑每个脑区的九个此类属性。这些节点图度量可自然地对每个节点分组，这促使我们引入组稀疏性进行特征选择。我们提出带有新颖组稀疏性诱导先验的高斯 RBF 网络来建模未知均值函数。多变量响应的协方差结构在线性因子建模框架下刻画。对于后验计算，我们开发了高效的马尔可夫链蒙特卡洛采样算法。我们表明所提方法的表现远优于所有竞争方法。将我们提出的方法应用于人类连接组计划（Human Connectome Project, HCP）数据集，我们识别了认知功能的重要脑区和节点属性，并识别了认知相关测试分数间有趣的低维依赖结构。
引用
@article{arxiv.2110.05641,
title = {Nonparametric Group Variable Selection with Multivariate Response for Connectome-Based Modeling of Cognitive Scores},
author = {Arkaprava Roy},
journal= {arXiv preprint arXiv:2110.05641},
year = {2022}
}