基于置换的簇大小校正用于体素损伤-症状映射
应用统计
2016-06-03 v1 定量方法
统计方法学
摘要
基于体素的损伤-症状映射(VLSM)是研究脑-行为关系的主要方法，它利用现代神经影像分析技术，建立在检查脑损伤位置与认知缺陷之间关系的经典方法之上。在每个体素中检验缺陷严重程度与损伤状态之间的关联涉及大量单独检验，需要针对多重比较进行统计校正。几种策略已从功能神经影像数据分析中借鉴而来，尽管VLSM在避免假阳性与统计功效（遗漏真实效应）之间面临更困难的权衡。其中一种策略是使用置换非参数地确定簇大小的零分布，然后用于建立最小簇大小阈值。该策略直观上吸引人，因为它尊重卒中损伤的必要的空间连续性，并与VLSM结果典型的基于簇的解释相关联。我们使用基于124名左半球卒中个体中定义脑区（BA 45和BA 39）百分比损伤的模拟缺陷分数，评估了该策略检测真实损伤-症状关系的能力。即使在此处测试的最保守设置下，经簇大小校正的VLSM识别出的区域仍系统性地远超真实区域。因此，该策略似乎能有效排除不存在真实损伤-症状关系的情况，但卒中损伤的空间连续性可能导致识别出的损伤-症状关系超出其真实区域。
引用
@article{arxiv.1606.00475,
title = {Permutation-based cluster size correction for voxel-based lesion-symptom mapping},
author = {Daniel Mirman and Jon-Frederick Landrigan and Spiro Kokolis and Sean Verillo and Casey Ferrara},
journal= {arXiv preprint arXiv:1606.00475},
year = {2016}
}
备注
9 pages, 5 figures