整合阿尔茨海默症诊断中异质脑认知关联的部分共享影像回归
统计方法学
2026-05-01 v2
摘要
阿尔茨海默症神经影像学计划（ADNI）诊断组在人口统计学、影像学和认知数据之间呈现出强烈的异质关联。我们提出了一种新颖的部分共享影像回归（PAIR）模型，将影像系数表示为平滑空间分量的加权组合。应用全变分惩罚以强制空间平滑性，并引入选择性积分惩罚以自适应地学习跨群组的部分共享结构。在理论上，我们建立了动态适应不同共享范式的极小化极大最优误差界。在数值上，PAIR 实现了与先进深度学习模型相当的预测精度，同时提供了卓越的可解释性。应用于 ADNI 数据时，PAIR 揭示了认知正常（CN）组与认知受损（CI）组之间脑认知通路的显著异质性，其中海马体影像在 CN 组中贡献极小，但在 CI 组中贡献显著，特别是在 CA1、CA3 和下托子区域。
引用
@article{arxiv.2505.24259,
title = {Partially-shared Imaging Regression on Integrating Heterogeneous Brain-Cognition Associations across Alzheimer's Diagnoses},
author = {Yang Sui and Qi Xu and Ting Li and Yang Bai and Annie Qu},
journal= {arXiv preprint arXiv:2505.24259},
year = {2026}
}