网络辅助调解分析与高维神经成像调解器
Baoyi Shi1, Ying Liu2, Shanghong Xie3
1Department of Biostatistics, Columbia University, New York, NY, USA.
Proceedings of machine learning research
|February 23, 2026
概括
本研究引入了一种新的网络辅助调解分析,用于高维生物标志物. 它确定了特定的大脑区域,调解了母亲吸烟的情况.
科学领域:
- 神经科学是一个神经科学.
- 生物统计学 生物统计学
- 发展心理学 发展心理学
背景情况:
- 调解分析通过中间变量 (调解者) 估计因果路径.
- 高维,相关的生物标志物 (例如神经成像) 挑战了标准的调解方法.
- 像大脑区域这样的生物标志物表现出可以增强调解分析的网络结构.
研究的目的:
- 研究大脑皮层厚度如何调解母亲吸烟对儿童认知能力的影响.
- 开发一种网络辅助调解分析方法,利用神经成像调解者的层次结构.
- 在调解分析中,应对高维相关调解器所带来的挑战.
主要方法:
- 提出了使用条件高斯图形模型的网络辅助调解分析方法.
- 利用大脑皮层厚度的星形层次网络结构.
- 将联合间接效应分解为通过枢纽和叶子介质的效应.
主要成果:
- 确定了一个特定的大脑区域作为一个重要的叶子调解器.
- 提出的方法成功地解释了神经成像媒介的星形网络结构.
- 通过叶子调解器实现了个别识别和评估间接影响,在考虑了枢纽调解器之后.
结论:
- 网络辅助方法有效地分析使用高维,结构化神经成像数据的调解.
- 这种方法为调解者特定的途径提供了新的见解,这对于干预设计至关重要.
- 确定了以前无法通过现有方法发现的重要的叶子介质.
