评估基于 permutation 的推理,用于部分最小方程分析神经成像数据.
Matthew Danyluik1,2, Yashar Zeighami1,3, Alice Mukora1,2
1Cerebral Imaging Centre, Douglas Mental Health University Institute, Montreal, Canada.
Imaging neuroscience (Cambridge, Mass.)
|August 13, 2025
概括
用Procrustes旋转进行部分最小平方 (PLS) 排列测试可能会膨胀意义,掩盖真正的脑行为关联. 像LV强度和稳定性这样的补充指标为神经成像研究提供了更可靠的见解.
科学领域:
- 神经成像是一种神经成像.
- 大脑与行为相关联.
- 统计建模 统计建模
背景情况:
- 部分最小平方 (PLS) 是神经成像中常用的方法,通过隐性变量 (LVs) 识别大脑行为关联.
- 在PLS中的统计学意义通常通过变换测试来确定,通常涉及Procrustes旋转来比较原始和变换的LVs.
- 普罗克鲁斯特斯旋转对排列测试灵敏度的影响,以及单独对表征PLS分解的显著性的充分性仍然不清楚.
研究的目的:
- 为了研究 Procrustes 旋转对神经成像中 PLS 排列测试的影响.
- 为了确定单独的显著性是否足以表征PLS分解.
- 评估LV强度和稳定性等补充指标的实用性.
主要方法:
- PLS分析是在模拟数据集上进行的,这些数据集具有已知的潜在效应.
- 应用了带有和没有Procrustes旋转的变试验.
- 分析范围扩展到不同样本大小的英国生物库数据集.
- 计算了潜变量 (LV) 强度和分半稳定性指标.
主要成果:
- 巨的旋转系统地削弱了零分布,导致第一个LV的过度膨胀显著,无论真实效应的存在或强度如何.
- 在没有轮换的情况下,随着英国生物库数据样本大小的增加,显著性增加.
- 强度和稳定性指标有效地反映了对模拟数据中效应存在的信心,并为真实数据提供了细微的评估.
结论:
- 在PLS排列测试中使用Procrustes旋转可能会导致夸张的意义,可能会误解大脑-行为关联.
- 像LV强度和稳定性这样的补充指标对于更准确,更细致地解释PLS结果至关重要.
- 研究人员应该仔细考虑这些发现,并探索可靠的神经成像分析的替代统计方法.
