对相同数据的统计推断在神经成像多元宇宙分析中的元分析

科学领域:

• 神经成像分析分析神经成像分析
• 计算神经科学是一种计算神经科学.
• 统计建模 统计建模

背景情况:

• 任务功能磁共振成像 (fMRI) 研究使用了许多分析工具.
• 不同的分析方法可以增加假阳性率,并阻碍神经成像中的可重现性.
• 多元分析探索管道变化,但在解释来自单一数据集的多个输出时会产生挑战.

研究的目的:

• 在多元分析的背景下,开发和验证元分析的方法,特别是解决管道间依赖.
• 引入"相同数据元分析" (SDMA) 作为从单个数据集中提取多个分析输出的共识推断的解决方案.
• 为解释复杂的神经成像研究结果提供可靠的工具.

主要方法:

• 开发了一套相同数据元分析 (SDMA) 方法,以考虑多元宇宙输出中的管道间依赖性.
• 通过模拟评估SDMA方法的有效性.
• 在现实世界的多元宇宙分析输出上测试了SDMA模型,来自NARPS和HCP年轻成年人研究.

主要成果:

• 拟议的SDMA模型在存在管道间依赖的情况下证明了有效性.
• 模拟证实了开发的SDMA方法的有效性.
• 在NARPS和HCP年轻成年人数据集上的现实应用表明了SDMA的实际实用性.

结论:

• 同样的数据元分析 (SDMA) 提供了一个强大的框架来分析来自多元神经成像研究的依赖结果.
• 经过验证的SDMA方法为研究人员提供了可靠的选择,可以从复杂的分析管道中得出共识推断.
• 这项工作提高了通过多元宇宙分析产生的神经成像发现的可解释性和可重现性.