对于fMRI集群分析的选择性推断,关键向量选择的问题和建议:对Blain等人发表评论

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:

• 同时推断对于集群智能脑成像分析至关重要.
• 基于换的两种方法,Notip和pARI,解决了对活跃voxel比例的推断.
• 现有的比较缺乏对Notip与pARI的广泛评估.

研究的目的:

• 为了提供Notip和pARI之间的全面比较.
• 为了评估他们在集群智能脑成像分析中的表现.
• 确定每个方法的优点和缺点.

主要方法:

• 基于变换的统计方法.
• 在推设置下对Notip和pARI进行比较.
• 对关键向量定义策略的分析 (外部随机化与先验确定).

主要成果:

• 与Notip相比,pARI表现出优越的性能.
• 这两种方法都使用有序的p值向量,但在家族定义上有所不同.
• 诺蒂普使用外部数据随机化;pARI使用先验定义.

结论:

• 在标准条件下的集群智能脑成像分析中,建议使用pARI而不是Notip.
• 每种方法都有不同的优点和局限性.
• 进一步的研究可能会探索混合方法或优化设置.