基于松弛阈值高斯过程先验的可扩展标量-图像皮层表面回归

为解决分析包含超过5000名受试者及海量神经影像数据的大规模青少年脑认知发育（ABCD）功能磁共振成像数据集的挑战，我们提出了一种可扩展的贝叶斯标量-图像回归模型，以实现计算可行性和效率。我们的模型采用松弛阈值高斯过程（RTGP），整合了能够进行硬阈值和软阈值处理的分段平滑、稀疏和连续函数。这种方法为标量-图像回归中的特征选择引入了额外的灵活性，并通过采用变分近似和利用高斯过程的Karhunen-Loève展开，实现了可扩展的后验计算。这一进展大幅降低了大规模贝叶斯空间模型中皮层表面数据逐顶点分析的计算成本。通过广泛的模拟研究和对ABCD研究的应用，验证了该模型的参数估计、预测精度和特征选择性能。在此应用中，我们进行了回归分析，将智力评分与任务态功能磁共振成像数据相关联，并考虑了年龄、性别和父母教育水平等混杂因素。这一验证凸显了我们的模型在处理大规模神经影像数据的同时，保持计算可行性和准确性的能力。