图像探险集的同时置信区域:一个验证研究与fMRI中的应用
Jiyue Qin1, Samuel Davenport1, Armin Schwartzman1,2
1Division of Biostatistics and Bioinformatics, Herbert Wertheim School of Public Health and Human Longevity Science, University of California, San Diego.
bioRxiv : the preprint server for biology
|February 3, 2025
概括
本研究引入了一种用于功能磁共振成像 (fMRI) 分析的同时置信区域 (SCR) 的新方法. 该方法适用于所有激活值和大脑数据类型,改善大脑区域定位.
科学领域:
- 神经成像是一种神经成像.
- 统计分析 统计分析
- 大脑绘制地图.
背景情况:
- 功能磁共振成像 (fMRI) 对于在任务中定位大脑活动至关重要.
- 对于fMRI信任区域的现有方法仅限于单个值和体积数据,忽视了表面分析.
- 需要在fMRI研究中采用更敏感和多功能统计方法.
研究的目的:
- 开发一种方法来构建适用于所有激活值的同时置信区域 (SCR).
- 将fMRI分析扩展到包括敏感的皮质表面数据以及传统的体积数据.
- 为了评估fMRI数据分析的不同启动方法的性能.
主要方法:
- 开发了一种基于同时信任波段 (SCB) 的新方法来构建同时信任区域 (SCR).
- 通过使用fMRI数据进行广泛的2D模拟,评估了六种启动变体,包括非参数和乘数启动.
- 通过静止状态3D fMRI数据的现实噪声模拟来验证该方法,并将其应用于人类连接器项目数据.
主要成果:
- 拉德马切尔乘数启动式t变体表现出卓越的性能,实现了近乎名义的覆盖率,样本大小低至20.
- 拟议的SCR方法适用于所有激活值,并且适用于fMRI体积和表面数据.
- 该实现处理多维数据,并包括用于fMRI分析的交互可视化工具.
结论:
- 开发的SCR方法为fMRI研究中的统计推断提供了重大进展.
- 这种方法通过适应所有值和数据类型,提高了大脑区域分析的灵敏度和适用性.
- 这些发现支持使用Rademacher乘数启动-t用于神经成像中的强大的统计推理.
更多相关视频
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
7.2K
10:06High-resolution Functional Magnetic Resonance Imaging Methods for Human Midbrain
Published on: May 10, 2012
12.8K
