稳定且可预测的函数型域选择及其在脑图像中的应用
应用统计
2016-06-08 v1
摘要
受将脑图像与临床关注结果相关联的趋势驱动，我们提出一种函数型域选择（FuDoS）方法，有效筛选与结果相关的脑子区域。将每个人的大脑视为三维函数型对象，统计目标是区分回归系数 与 的区域，其中 表示空间位置。FuDoS 由两阶段估计组成。我们首先基于相关结构将脑分割为若干小块。然后利用所得分割构建潜在子集，并评估其预测性能以选择最佳子集，同时辅以稳定性选择准则。我们对一维和三维函数型数据进行了广泛模拟，评估其在选择真实子区域上的有效性。我们还研究了所选稳定区域的预测能力。为寻找与认知能力相关的脑区，FuDoS 应用于 ADNI 的 PET 数据。由于引入的稀疏性，结果自然提供了关于区域与结果之间关系的更具可解释性的信息。此外，我们分析选出的区域与已知具有记忆相关功能的预期解剖脑区表现出高度关联。
引用
@article{arxiv.1606.02186,
title = {Stable and predictive functional domain selection with application to brain images},
author = {Ah Yeon Park and John A. D. Aston and Frederic Ferraty},
journal= {arXiv preprint arXiv:1606.02186},
year = {2016}
}