多模态影像数据复杂依赖性的统计推断
统计方法学
2023-03-08 v1 统计理论
应用统计
统计理论
摘要
多模态影像数据的统计分析是一项具有挑战性的任务，因为数据涉及高维性、强空间相关性和复杂的数据结构。在本文中，我们提出了严格的统计检验流程，用于对多模态影像数据的复杂依赖性进行推断。受人类连接组计划（HCP）研究中多任务 fMRI 数据分析的启发，我们特别解决三个假设检验问题：(a) 检验脑区上各影像模态之间的独立性，(b) 检验影像模态内脑区之间的独立性，以及 (c) 检验不同模态间脑区之间的独立性。考虑到所有三个检验的一般形式，我们开发了控制错误发现率的全局检验流程和多重检验流程。我们研究了所提检验的理论性质，并开发了计算高效的分布式算法。所提出的方法和理论具有通用性，并与许多关于具有任意依赖结构的高维随机向量各分量间独立性结构检验的统计问题相关。我们还通过大量模拟以及 HCP 研究中五个任务 fMRI 对比图的分析来说明所提出的方法。
引用
@article{arxiv.2303.03582,
title = {Statistical inferences for complex dependence of multimodal imaging data},
author = {Jinyuan Chang and Jing He and Jian Kang and Mingcong Wu},
journal= {arXiv preprint arXiv:2303.03582},
year = {2023}
}