用于神经影像数据分析的同步置信廊：在阿尔茨海默病诊断中的应用
神经元与认知
2021-02-08 v1
摘要
阿尔茨海默病（AD）是一种慢性神经退行性疾病，是大多数痴呆症的病因，并被视为本世纪神经科学的最大挑战之一。AD 的早期迹象常被误认为正常的年龄相关认知功能障碍，因此患者通常在 AD 晚期才开始治疗，此时其益处严重受限。AD 尚无已知治愈方法，因此希望寄托于早期诊断是，其通常依赖诸如正电子发射断层扫描（PET）等神经影像技术。PET 数据随后用统计参数映射（SPM）软件分析，该软件使用质量单变量统计分析，不可避免地产生由此多重检验方法导致的错误。最近，Wang 等人（2020）提出了一种替代方案：应用功能数据分析（FDA）——一个相对较新的统计学分支——来计算两组 PET 值差异的均值函数与同步置信廊（SCCs）。此处我们用 AD 诊断的实际应用检验该方法，估计 AD 组与对照组 PET 活动的差异的均值函数与 SCCs，并定位该差异落于估计 SCCs 之外的脑区，指示可归因于 AD 源性神经损失的脑活动差异。我们的结果与先前 AD 病理文献一致，并表明该 FDA 方法比其对应方法对样本量减少更具韧性，且更少依赖 α 水平的特设选择，提示这一新技术是医学影像领域研究中一个有前景的方向。
引用
@article{arxiv.2102.02908,
title = {Simultaneous Confidence Corridors for neuroimaging data analysis: applications to Alzheimer's Disease diagnosis},
author = {Juan A. Arias and Carmen Cadarso-Suárez and Pablo Aguiar-Fernández},
journal= {arXiv preprint arXiv:2102.02908},
year = {2021}
}
备注
Working Draft