×
郭晓阳;阿迪蒂·巴苏·巴尔;汤姆·李约瑟;阿努伊·斯利瓦斯塔瓦

脑动脉网络（BAN）的统计形状分析。 （英语） Zbl 1498.62216号

附录申请。斯达。 16，第2期，1130-1150（2022年）.
摘要：人脑中的动脉网络，称为脑动脉网络或BAN，是由单个动脉、分支模式和互连性组成的复杂排列。BAN在表征和理解大脑生理学方面发挥着重要作用，人们希望使用统计分析BAN形状的工具。这些工具包括量化形状差异、比较受试者群体，以及研究协变量对这些形状的影响。本文将BAN形状表示为弹性形状图每个弹性形状图由3D中的节点或点组成，这些节点或点通过3D曲线或具有任意形状的边连接。我们开发了数学表示、黎曼度量和其他几何工具，如测地线、平均值、协方差和PCA的计算，以帮助将BAN分析为弹性图。我们将BAN划分为四个部分（顶部、底部、左侧和右侧）后，将此分析应用于BAN。然后，该框架用于生成92名受试者的BAN形状摘要，并研究年龄和性别对BAN成分形状的影响。虽然性别影响需要进一步调查，但我们得出的结论是，年龄对BAN形状有明显的、可量化的影响。具体来说，我们发现BAN形状的变化随着年龄的增长而增加。

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62H25个 因子分析和主成分；对应分析
92C30型 生理学（一般）

关键词：

脑动脉网;图形匹配;图形PCA;统计形状分析
PDF格式BibTeX公司 XML格式引用
\textit{X.Guo}等人，Ann.Appl。Stat.16，No.2，1130--1150（2022；Zbl 1498.62216）
全文： 内政部 arXiv公司

参考文献：

[1] AYDIN，B.、PATAKI，G.、WANG，H.、BULLIT，E.和MARRON，J.S.（2009年）。树的主成分分析。附录申请。斯达。3 1597-1615. ·Zbl 1184.62100号 ·doi:10.1214/09-AOAS263
[2] AYLWARD，S.R.和BULLITT，E.（2002）。用于提取管状对象中心线的初始化、噪声、奇异点和高度脊线缩放遍历。IEEE传输。医学图像。21 61-75. ·数字对象标识代码：10.1109/42.993126
[3] Bendich，P.、Marron，J.S.、Miller，E.、Pieloch，A.和Skwerer，S.（2016）。脑动脉树的持续同源性分析。附录申请。斯达。10 198-218. ·doi:10.1214/15-AOAS886
[4] Bigot，J.、Gouet，R.、Klein，T.和López，A.（2017）。通过凸PCA在Wasserstein空间中进行测地PCA。亨利·彭加雷·普罗巴布（Henri PoincaréProbab）安·Inst。斯达。53 1-26. ·Zbl 1362.62065号 ·doi:10.1214/15-AIHP706
[5] BULLITT，E.、ZENG，D.、GERIG，G.、AYLWARD，S.、JOSHI，S.，SMITH，J.K.、LIN，W.和EWEND，M.G.（2005）。血管扭曲与脑肿瘤恶性程度：一项盲法研究1。阿卡德。无线电。12 1232-1240.
[6] BULLITT，E.，ZENG，D.，MORTAMET，B.，GHOSH，A.，AYLWARD，S.R.，LIN，W.，MARKS，B.L.和SMITH，K.（2010年）。磁共振血管造影显示健康老龄化对脑内血管的影响。神经生物学。老化31 290-300.
[7] CAELLI，T.和KOSINOV，S.（2004年）。一种用于非精确图形匹配的特征空间投影聚类方法。IEEE传输。模式分析。机器。智力。26 515-519.
[8] CALISSANO，A.、FERAGEN，A.和VANTINI，S.（2020年）。未标记网络的总体：图形空间几何和测地主成分·Zbl 1520.62100号
[9] Cazelles，E.、Seguy，V.、Bigot，J.、Cuturi，M.和Papadakis，N.（2018年）。Wasserstein空间直方图的测地PCA与log-PCA。SIAM J.科学。计算。40 B429-B456·Zbl 1387.62077号 ·doi:10.1137/17M1143459
[10] Chakraborty，R.和Vemuri，B.C.（2019年）。Stiefel流形上的统计：理论和应用。安。统计师。47 415-438. ·兹比尔1419.62132 ·doi:10.1214/18-AOS1692
[11] CHOWDHURY，S.和NEEDHAM，T.（2020年）。黎曼框架下的Gromov-Wasserstein平均IEEE/CVF计算机视觉和模式识别会议(CVPR公司)研讨会.
[12] COUR，T.、SRINIVASAN，P.和SHI，J.（2007）。平衡图匹配。在神经信息处理系统研究进展313-320.
[13] Dryden，I.L.和Mardia，K.V.（2016）。统计形状分析及其在R中的应用，第2版。概率论与统计学中的威利级数奇切斯特·威利·Zbl 1381.62003年 ·doi:10.1002/9781119072492
[14] DUNCAN，A.、KLASSEN，E.和SRIVASTAVA，A.（2018年）。简化神经元树的统计形状分析。附录申请。斯达。12 1385-1421. ·Zbl 1405.62172号 ·doi:10.1214/17-AOAS1107
[15] FISHKIND，D.E.，ADALI，S.，PATSOLIC，H.G.，MENG，L.，SINGH，D.，LYZINSKI，V.和PRIEBE，C.E.（2012年）。种子图匹配。
[16] GOLD，S.和RANGARAJAN，A.（1996）。图匹配的分级分配算法。IEEE传输。模式分析。机器。智力。18 377-388.
[17] GUO，X.、SRIVASTAVA，A.和SARKAR，S.（2021）。图形数据生成统计分析的商空间公式。数学杂志。图像视觉63 735-752. ·兹比尔1524.62281 ·doi:10.1007/s10851-021-01027-1
[18] 郭，X.、巴苏·巴尔，A.、内德哈姆，T.和斯里瓦斯塔娃，A.（2022）。补充“脑动脉网络的统计形状分析（BAN）”https://doi.org/10.1214/21-AOAS1536SUPP网站
[19] HAGWOOD，C.、BERNAL，J.、HALTER，M.、ELLIOTT，J.和BRENNAN，T.（2013）。基于形状和测地线距离测试细胞群的相等性。IEEE传输。医学图像。32
[20] HOOVER，A.、KOUZNETSOVA，V.和GOLDBAUM，M.（2000）。通过匹配滤波器响应的分段阈值探测，在视网膜图像中定位血管。IEEE传输。医学图像。19 203-210.
[21] HUCKEMAN，S.、HOTZ，T.和MUNK，A.（2010年）。内在形状分析：黎曼流形模等距李群作用的大地主成分分析。统计师。西尼卡20 1-58. ·Zbl 1180.62087号
[22] JAIN，B.J.和OBERMAYER，K.（2009年）。结构空间。J.马赫。学习。物件。10 2667-2714. ·Zbl 1235.68159号
[23] JAIN，B.J.和OBERMAYER，K.（2011年）。图形量化。计算。视觉。图像理解。115 946-961.
[24] JAIN，B.J.和OBERMAYER，K.（2012年）。在黎曼球形体中学习。
[25] JERMYN，I.H.、KURTEK，S.、KLASSEN，E.和SRIVASTAVA，A.（2012年）。使用平方根法向场的参数化曲面的弹性形状匹配。在欧洲计算机视觉会议804-817. 柏林施普林格。
[26] JERMYN，I.H.、KURTEK，S.、LAGA，H.和SRIVASTAVA，A.（2017年）。三维物体的弹性形状分析。计算机视觉综合讲座12 1-185.
[27] Kendall，D.G.（1984）。形状流形、Procrustean度量和复杂射影空间。牛市。伦敦。数学。Soc公司。16 81-121. ·Zbl 0579.62100号 ·doi:10.1112/blms/16.281
[28] KENDALL，D.G.、BARDEN，D.、CARNE，T.K.和LE，H.（1999）。形状和形状理论.概率论与统计学中的威利级数奇切斯特·威利·兹比尔0940.60006 ·doi:10.1002/9780470317006
[29] KLASSEN，E.、SRIVASTAVA，A.、MIO，M.和JOSHI，S.H.（2004）。使用形状空间上的测地线分析平面形状。IEEE传输。模式分析。机器。智力。26 372-383.
[30] KONG，J.-H.，FISH，D.R.，ROCKHILL，R.L.和MASLAND，R.H.（2005）。小鼠视网膜神经节细胞的多样性：无监督形态学分类及其局限性。J.公司。神经醇。489 293-310.
[31] KOOPMANS，T.C.和BECKMANN，M.（1957）。分配问题和经济活动的地点。计量经济学25 53-76. ·兹比尔0098.12203 ·doi:10.307/1907742
[32] 劳勒（1962/63）。二次分配问题。管理。科学。9 586-599. ·Zbl 0995.90579号 ·doi:10.1287/mnsc.94.586
[33] LE BRIGANT，A.（2019年）。找到流形值曲线之间最佳匹配的离散框架。数学杂志。图像视觉61 40-70. ·Zbl 1485.58013号 ·doi:10.1007/s10851-018-0820-2
[34] LEORDEANU，M.和HEBERT，M.（2005）。使用成对约束解决对应问题的谱技术。在第十届IEEE国际计算机视觉会议(ICCV’05)体积1 2 1482-1489. IEEE出版社，纽约。
[35] LEORDEANU，M.、HEBERT，M.和SUKTHANKAR，R.（2009年）。一种用于图匹配和地图推理的整数投影不动点方法。在神经信息处理系统研究进展1114-1122.
[36] 刘振英、乔浩和徐璐（2012）。一种用于图形匹配问题的扩展路径跟踪算法。IEEE传输。模式分析。机器。智力。34 1451-1456.
[37] SHEN，D.、SHEN，H.、BHAMIDI，S.、MUñOZ MALDONADO，Y.、KIM，Y.和MARRON，J.S.（2014）。树数据对象的功能数据分析。J.计算。图表。统计师。23 418-438. ·doi:10.1080/10618600.2013.786943
[38] SMALL，C.G.（1996）。形状统计理论.统计学中的斯普林格系列纽约州施普林格·Zbl 0859.62087号 ·doi:10.1007/978-1-4612-4032-7
[39] SONNENSCHEIN，A.、VANDERZEE，D.、PITCHERS，W.R.、CHARI，S.和DWORKIN，I.（2015）。果蝇翅膀的图像数据库，用于物候和生物特征分析。Giga科学4 25. ·doi:10.1186/s13742-015-0065-6
[40] Srivastava，A.和Klassen，E.P.（2016）。功能和形状数据分析.统计学中的斯普林格系列纽约州施普林格·Zbl 1376.62003年
[41] Srivastava，A.、Klassen，E.、Joshi，S.H.和Jermyn，I.H.（2011）。欧氏空间中弹性曲线的形状分析。IEEE传输。模式分析。机器。智力。33 1415-1428.
[42] UMEYAMA，S.（1988年）。加权图匹配问题的特征分解方法。IEEE传输。模式分析。机器。智力。10 695-703. ·Zbl 0678.05049号
[43] VOGELSTEIN，J.T.、CONROY，J.M.、LYZINSKI，V.、PODRAZIK，L.J.、KRATZER，S.G.、HARLEY，E.T.、FISHKIND，D.E.、VOGELSTEM，R.J.和PRIEBE，C.E.（2015）。用于图形匹配的快速近似二次规划。PLoS综合10电子0121002。
[44] WANG，G.、LAGA，H.、JIA，J.、MIKLAVCIC，S.J.和SRIVASTAVA，A.（2020年）。植物根系几何形状和拓扑结构的统计分析和建模。J.理论。生物。486 110108, 11. ·Zbl 1429.92103号 ·doi:10.1016/j.jtbi.2019.1108
[45] WASSERMAN，L.（2018）。拓扑数据分析。每年。修订状态申请。5 501-535. ·doi:10.1146/annurev-statistics-031017-100045
[46] YAN，J.、YIN，X.-C.、LIN，W.、DENG，C.、ZHA，H.和YANG，X.（2016）。图形匹配最新进展的简要概述。在会议记录2016国际多媒体检索会议167-174.
[47] Younes，L.（1998）。形状之间的可计算弹性距离。SIAM J.应用。数学。58 565-586. ·兹比尔0907.68158 ·doi:10.1137/S00361399995287685
[48] YOUNES，L.、MICHOR，P.W.、SHAH，J.和MUMFORD，D.（2008）。具有显式测地线的形状空间上的度量。阿提·阿卡德。纳粹。Lincei Cl.科学。财政部。Mat.Natur公司。Rend公司。林且(9)材料应用。19 25-57. ·Zbl 1142.58013号 ·doi:10.4171/RLM/506
[49] ZANFIR，A.和SMINCHISESCU，C.（2018年）。深入学习图形匹配。在IEEE计算机视觉和模式识别会议记录2684-2693.
[50] ZHANG，Z.、KLASSEN，E.和SRIVASTAVA，A.（2018）。球面轨迹的相位振幅分离和建模。J.计算。图表。统计师。27 85-97. ·Zbl 07498969号 ·doi:10.1080/10618600.2017.1340892
[51] ZHOU，F.和DE LA TORRE，F.（2012）。分解图匹配。2012年计算机视觉和模式识别大会上127-134. IEEE，纽约。
[52] ZHOU，F.和DE LA TORRE，F.（2016）。分解图匹配。IEEE传输。模式分析。机器。智力。38 1774-1789 ·doi:10.1109/TPAMI.2015.2501802
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。