×

通过fMRI数据应用的变点替代方法评估平稳性。 (英语) Zbl 1257.62072号

摘要:功能性磁共振成像(fMRI)现已成为研究大脑的成熟技术。然而,在许多情况下,例如当在静止状态下获取数据时,很难知道数据是否真的是静止的,或者是否发生了电平偏移。为此,在功能观测值相关且需要多个受试者的变化点分布的情况下,检查功能数据序列中的变化点检测。特别令人感兴趣的是,变化点是一种流行病变化——发生变化,然后观测值在稍后返回基线。
在协方差可以分解为张量积的情况下,要特别注意检测的功率分析。这在功能磁共振成像的应用中很有意义,因为三维图像的全协方差结构的估计在计算上是不可行的。使用所开发的方法,对静息状态fMRI数据进行了大规模研究,以确定进行静息扫描的受试者在其时间进程中是否存在非平稳性。研究发现,相当大比例的受试者并非固定不变。这些科目的变点分布是由经验决定的,其理论性质也受到了检验。

MSC公司:

62华氏35 多元分析中的图像分析
92 C55 生物医学成像和信号处理
92C20美元 神经生物学
62M10个 统计学中的时间序列、自相关、回归等(GARCH)
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Aston,J.A.D.和Gunn,R.N.(2005)。正电子发射断层成像中使用Kronecker乘积的统计估计。线性代数应用。398 25-36. ·Zbl 1062.92041号 ·doi:10.1016/j.laa.2003.11.018
[2] Aston,J.A.D.和Kirch,C.(2012a)。补充“通过fMRI数据应用的变化点替代评估平稳性”·Zbl 1257.62072号
[3] Aston,J.A.D.和Kirch,C.(2012b)。检测和评估相关功能数据的变化。《多元分析杂志》。109 204-220. ·Zbl 1241.62121号 ·doi:10.1016/j.jmva.2012.03.006
[4] Aston,J.A.D.、Gunn,R.N.、Hinz,R.和Turkheimer,F.E.(2005)。用于时空神经成像数据的图像空间中的小波方差分量。神经影像25 159-168·Zbl 1062.92041号 ·doi:10.1016/j.laa.2003.11.018
[5] Aue,A.、Gabrys,R.、Horváth,L.和Kokoszka,P.(2009年)。函数数据平均函数中变化点的估计。《多元分析杂志》。100 2254-2269. ·Zbl 1176.62025号 ·doi:10.1016/j.jmva.2009.04.001
[6] Beckmann,C.F.和Smith,S.M.(2005)。多主体FMRI分析中独立成分分析的张量扩展。神经影像25 294-311。
[7] Beckmann,C.F.、DeLuca,M.、Devlin,J.T.和Smith,S.M.(2005)。使用独立组件分析研究静态连接。英国皇家学会哲学学报B:生物科学360 1001-1013。
[8] Benjamini,Y.和Hochberg,Y.(1995年)。控制错误发现率:一种实用且强大的多重测试方法。J.罗伊。统计师。Soc.序列号。乙57 289-300·Zbl 0809.62014号
[9] Berkes,I.、Gabris,R.、Horváth,L.和Kokoszka,P.(2009)。检测功能观察平均值的变化。J.R.统计社会服务。B统计方法。71 927-946. ·文件编号:10.1111/j.1467-9868.2009.00713.x
[10] Biswal,B.B.等人(2010年)。走向人类大脑功能的发现科学。程序。国家。阿卡德。科学。美国107 4734-4739。
[11] Bosq,D.(2000年)。函数空间中的线性过程:理论与应用。统计学课堂讲稿149。施普林格,纽约·Zbl 0962.60004号 ·doi:10.1007/978-1-4612-1154-9
[12] Botev,Z.I.、Grotowski,J.F.和Kroese,D.P.(2010年)。通过扩散估计核密度。安。统计师。38 2916-2957. ·Zbl 1200.62029号 ·doi:10.1214/10-AOS799
[13] Bullmore,E.、Fadili,J.、Breakspear,M.、Salvador,R.、Suckling,J.和Brammer,M.(2003)。人脑功能磁共振图像的小波和统计分析。统计方法医学研究12 375-399·Zbl 1121.62581号 ·doi:10.1191/0962280203sm339ra
[14] Cole,D.M.、Smith,S.M.和Beckmann,C.F.(2010年)。静止状态FMRI数据分析和解释的进展和陷阱。系统神经科学前沿4 1-15。
[15] Damoiseaux,J.S.,Rombouts,S.A.R.B.,Barkhof,F.,Scheltens,P.,Stam,C.J.,Smith,S.M.和Beckmann,C.F.(2006年)。健康受试者的一致休息状态网络。程序。国家。阿卡德。科学。美国103 13848-13853。
[16] Diggle,P.、Rowlingson,B.和Su,T.-L.(2005)。用于在线时空疾病监测的点处理方法。环境计量16 423-434·doi:10.1002/env.712
[17] Doucet,G.、Naveau,M.、Petit,L.、Zago,L.、Crivello,F.、Jobard,G.、Delcroix,N.、Mellet,E.、Tzourio Mazoyer,N.、Mazoyer,B.和Joliot,M.(2012)。大脑中的血液动力学低频振荡模式受休息时自由思考的性质调节。神经影像59 3194-3200。
[18] Dryden,I.L.、Bai,L.、Brignell,C.J.和Shen,L.(2009)。因子主成分分析在人脸识别中的应用。统计计算。19 229-238. ·doi:10.1007/s11222-008-9087-6
[19] Dutilleul,P.(1999)。矩阵正态分布的MLE算法。J.统计计算。模拟。64 105-123. ·Zbl 0960.62056号 ·网址:10.1080/00949659908811970
[20] Ferraty,F.和Vieu,P.(2006年)。非参数函数数据分析:理论与实践。施普林格,纽约·兹比尔1119.62046 ·数字对象标识代码:10.1007/0-387-36620-2
[21] Friston,K.J.、Frith,C.D.、Liddle,P.F.和Frackowiak,R.S.J.(1993)。功能连通性:大型(PET)数据集的主成分分析。脑血流与代谢杂志13 5-14。
[22] Fuentes,M.(2006)。时空协方差函数的可分性测试。J.统计。计划。推论136 447-466·Zbl 1077.62076号 ·doi:10.1016/j.jspi.2004.07.004
[23] Genton,M.G.(2007)。时空协方差矩阵的可分离近似。环境计量18 681-695·doi:10.1002/env.854
[24] Gohberg,I.、Goldberg,S.和Kaashoek,M.A.(2003年)。线性算子的基本类。巴塞尔Birkhäuser·Zbl 1065.47001号
[25] Härdle,W.和Simar,L.(2007)。应用多元统计分析,第二版,施普林格,柏林·Zbl 1115.62057号
[26] Hörmann,S.和Kokoszka,P.(2010年)。依赖性较弱的功能数据。安。统计师。38 1845-1884. ·Zbl 1189.62141号 ·doi:10.1214/09-AOS768
[27] Horváth,L.和Kokoszka,P.(2012)。函数数据推理及其应用。施普林格,纽约·兹比尔1279.62017
[28] Hušková,M.和Kirch,C.(2008年)。时间序列变化点的自举置信区间。J.时间序列分析。29 947-972. ·Zbl 1194.62063号 ·文件编号:10.1111/j.1467-9892.2008.00589.x
[29] Hušková,M.和Kirch,C.(2010年)。关于转换点的学生置信区间的注释。计算。统计师。25 269-289. ·Zbl 1223.62147号 ·doi:10.1007/s00180-009-0175-7
[30] Jenkinson,M.、Bannister,P.R.、Brady,J.M.和Smith,S.M.(2002年)。经过改进的优化,可实现大脑图像稳健、准确的线性配准和运动校正。神经影像17 825-841。
[31] Kirch,C.(2006)。相关数据变化分析的重采样方法。科隆大学博士论文。可从获取·Zbl 1189.62078号
[32] Kirch,C.(2007)。相关数据变化分析的块置换原则。J.统计。计划。推论137 2453-2474·兹比尔1274.62320 ·doi:10.1016/j.jspi.2006.09.026
[33] Kirch,C.和Politis,D.N.(2011年)。TFT-bootstrap:在频域中重新采样时间序列,以获得时域中的副本。安。统计师。39 1427-1470. ·Zbl 1220.62107号 ·doi:10.1214/10-AOS868
[34] Kokoszka,P.和Leipus,R.(1998年)。相关观测值平均值的变化点。统计师。普罗巴伯。莱特。40 385-393. ·Zbl 0935.62097号 ·doi:10.1016/S0167-7152(98)00145-X
[35] Lahiri,S.N.(2003年)。相关数据的重新采样方法。施普林格,纽约·Zbl 1028.6202号
[36] Lindquist,M.A.、Waugh,C.和Wager,T.D.(2007)。使用变化点理论建模状态相关的fMRI活动。神经影像35 1125-1141。
[37] Long,C.J.、Purdon,P.L.、Temereanca,S.、Desai,N.U.、HämäLäinen,m.S.和Brown,E.N.(2011年)。使用高性能计算的动态脑磁图逆问题的状态空间解。附录申请。法令5 1207-1228·Zbl 1223.62160号 ·doi:10.1214/11-AOAS483
[38] Mitchell,M.W.、Genton,M.G.和Gumpertz,M.L.(2005)。测试时空协方差的可分性。环境计量16 819-831·doi:10.1002/env.737
[39] Morris,J.S.、Baladadayuthapani,V.、Herrick,R.C.、Sanna,P.和Gutstein,H.(2011)。使用同构函数混合模型自动分析定量图像数据,并应用于蛋白质组学数据。附录申请。统计数字5 894-923·Zbl 1454.62367号 ·doi:10.1214/10-AOAS407
[40] Nam,C.F.H.、Aston,J.A.D.和Johansen,A.M.(2012)。量化变化点的不确定性。J.时间序列分析·Zbl 1281.62174号 ·doi:10.1111/j.1467-9892.2011.00777.x号文件
[41] Ogawa,S.、Lee,T.M.、Kay,A.R.和Tank,D.W.(1990)。对比度依赖于血氧饱和度的脑磁共振成像。程序。国家。阿卡德。科学。美国87 9868-9872。
[42] 佩奇,E.S.(1954年)。连续检查计划。生物特征41 100-115·Zbl 0056.38002号 ·doi:10.1093/biomet/41.1-2.100
[43] Politis,D.N.(2011)。大样本协方差矩阵和谱密度矩阵的高精度半正定估计。计量经济学理论27 703-744·兹伯利1219.62144 ·doi:10.1017/S0266466610000484
[44] Ramsay,J.O.和Silverman,B.W.(2005)。功能数据分析,第二版,Springer,纽约·Zbl 1079.62006号
[45] Robinson,L.F.、Wager,T.D.和Lindquist,M.A.(2010年)。多学科功能磁共振成像研究中的变化点估计。神经影像49 1581-1592。
[46] Ruttimann,U.E.、Unser,M.、Rawlings,R.R.、Rio,D.、Ramsey,N.F.、Mattay,V.S.、Hommer,D.W.、Frank,J.A.和Weinberger,D.R.(1998)。小波域中功能性MRI数据的统计分析。IEEE传输。医学成像17 142-154。
[47] Van Loan,C.F.和Pitsianis,N.(1993年)。Kronecker乘积的近似。《大规模和实时应用的线性代数》(Leuven,1992)(M.S.Moonen和G.H.Golub编辑)。北约高级科学研究院系列E:应用科学232 293-314。多德雷赫特Kluwer学院·Zbl 0813.65078号
[48] Vanhaudenhuyse,A.、Demertzi,A.、Schabus,M.、Noirhomme,Q.、Bredart,S.、Boly,M.和Phillips,C.、Soddu,A.、Luxen,A.、Moonen,G.和Laureys,S.(2010年)。两个不同的神经元网络调节环境意识和自我意识。J.认知。神经科学。23 570-578.
[49] Werner,K.、Jansson,M.和Stoica,P.(2008)。关于具有Kronecker乘积结构的协方差矩阵的估计。IEEE传输。信号处理。56 478-491. ·Zbl 1390.94472号 ·doi:10.1109/TSP.2007.907834
[50] Worsley,K.J.、Liao,C.H.、Aston,J.A.D.、Petre,V.、Duncan,G.H.、Morales,F.和Evans,A.C.(2002)。fMRI数据的一般统计分析。神经影像15 1-15。
[51] Zipunnikov,V.、Caffo,B.、Crainiceanu,C.、Yousem,D.M.、Davatzikos,C.和Schwartz,B.S.(2011年)。高维数据的多级函数主成分分析。J.计算。图表。统计师。20 852-873. ·doi:10.1198/jcgs.201.10122
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。