图像分析中的游览集组合的空间置信区域
Thomas Maullin-Sapey1, Armin Schwartzman2,3, Thomas E Nichols1
1Nuffield Department of Population Health, Big Data Institute, Li Ka Shing Centre for Health Information and Discovery, University of Oxford, Oxford, UK.
Journal of the Royal Statistical Society. Series B, Statistical methodology
|February 12, 2024
概括
这项研究引入了一种用于分析不同条件下的成像数据中的远程集的新方法. 它提供了空间区域的交叉或结合的信心声明,有助于比较各种研究条件.
科学领域:
- 对成像数据的统计分析.
- 多变量随机场理论多变量随机场理论
- 在神经成像,气候学和宇宙学中的应用.
背景情况:
- 在使用成像数据的各种科学领域中,游览集分析至关重要.
- 在同一空间区域内,在不同研究条件下采集的过程进行比较的研究有限.
- 了解跨数据集的空间变化和共同点是必不可少的.
研究的目的:
- 开发一种方法,提供对外游集的交叉点 (所有字段) 或结合点 (至少一个字段) 的信心声明.
- 在不假定现场依赖的情况下,评估不同研究条件的空间变异性.
- 为了确定随机场在各种条件下超过预先确定的值的区域.
主要方法:
- 使用非对称的高斯随机场来表示来自不同研究条件的样本.
- 开发一个统计框架来推导集合交叉点和游览集的联盟的信心声明.
- 采用广泛的模拟进行验证,并在任务fMRI数据上演示该方法.
主要成果:
- 拟议的方法成功地为空间区域的子集和超集提供了信心声明.
- 它量化了空间变异性,并确定了不同任务变体中常见或独特激活的区域.
- 在识别多个工作记忆任务条件中具有一致激活的大脑区域的证明有效性.
结论:
- 该方法提供了一个强大的方法来比较成像数据中的不同研究条件的远程集.
- 它可以可靠地识别共同或独特的空间模式,增强研究间的比较.
- 这种技术对于需要在不同的实验设计下分析复杂空间数据的领域具有重要意义.
