工具书类
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.R.Stat.Soc.B公司57: 289–300.https://doi.org/10.1111/j.2517-6161.1995.tb02031.x。在谷歌学者中搜索
Bondi，M.W.，Edmonds，E.C.，Jak，A.J.，Clark，L.R.，Delano-Wood，L.，McDonald，C.R.，Nation，D.A.，Libon，D.J.，Au，R.，Galasko，D.等人（2014）。轻度认知功能障碍的神经心理学标准提高了诊断准确性、生物标记物相关性和进展率。J.阿尔茨海姆。数字化信息系统。42:275–289。https://doi.org/10.3233/jad-140276。在谷歌学者中搜索
Cribben，I.和Fiecas，M.（2016）。fMRI数据的功能连通性分析。在：神经影像数据分析手册，第369卷。在谷歌学者中搜索
Dipasquale，O.、Griffanti，L.、Clerici，M.、Nemni，R.、Baselli，G.和Baglio，F.（2015）。高维ICA分析检测阿尔茨海默病中默认模式和感觉运动网络的网络内功能连接损伤。前面。嗯，神经科学。9: 43.https://doi.org/10.3389/fnhum.2015.00043。在谷歌学者中搜索
Friston，K.J.（1994）。神经成像中的功能和有效连接：综合。嗯。大脑映射。2:56–78。https://doi.org/10.1002/hbm.46002107。在谷歌学者中搜索
Friston，K.J.、Harrison，L.和Penny，W.（2003）。动态因果建模。神经成像19: 1273–1302.https://doi.org/10.1016/s1053-8119(03)00202-7。在谷歌学者中搜索
Friston，K.J.、Kahan，J.、Biswal，B.和Razi，A.（2014）。用于静息状态fMRI的DCM。神经成像94: 396–407.https://doi.org/10.1016/j.neuroimage.2013.12.009。在谷歌学者中搜索公共医学公共医学中心
Friston，K.J.、Preller，K.H.、Mathys，C.、Cagnan，H.、Heinzle，J.、Razi，A.和Zeidman，P.（2017）。重新审视动态因果建模。神经成像199: 730–744.https://doi.org/10.1016/j.neuroimage.2017.02.045。在谷歌学者中搜索公共医学公共医学中心
Ge，T.、Feng，J.、Hibar，D.P.、Thompson，P.M.和Nichols，T.E.（2012）。增加体素-基因组关联研究的力量：随机场理论、最小二乘核机器和快速置换程序。神经成像63: 858–873.https://doi.org/10.1016/j.neuroimage.2012.07.012。在谷歌学者中搜索公共医学公共医学中心
Genin，E.，Hannequin，D.，Wallon，D.，Sleegers，K.，Hiltunen，M.，Combarros，O.，Bullido，M.J.，Engelborghs，S.，De Deyn，P.，Berr，C.等人（2011年）。APOE与阿尔茨海默病：一个具有半显性遗传的主要基因。摩尔精神病学。16: 903.https://doi.org/10.1038/mp.2011.52。在谷歌学者中搜索公共医学公共医学中心
Glahn，D.C.、Winkler，A.M.、Kochunov，P.、Almasy，L.、Duggirala，R.、Carless，M.A.、Curran，J.C.、Olvera，R.L.、Laird，A.R.、Smith，S.M.等人（2010年）。静息大脑的基因控制。程序。国家。阿卡德。科学。美国107: 1223–1228.https://doi.org/10.1073/pnas.0909969107。在谷歌学者中搜索公共医学公共医学中心
Greenlaw，K.、Szefer，E.、Graham，J.、Lesperance，M.、Nathoo，F.S.和阿尔茨海默病神经成像倡议(2017). 成像遗传学的贝叶斯群稀疏多任务回归模型。生物信息学33: 2513–2522.https://doi.org/10.1093/bioinformatics/btx215。在谷歌学者中搜索公共医学公共医学中心
Hibar，D.P.、Stein，J.L.、Kohannim，O.、Jahanshad，N.、Saykin，A.J.、Shen，L.、Kim，S.、Pankratz，N.，Foroud，T.、Huentelman，M.J.等人（2011年）。Voxelwise全基因关联研究（vGeneWAS）：731名老年受试者的多元基因关联测试。神经成像56: 1875–1891.https://doi.org/10.1016/j.neuroimage.2011.03.077。在谷歌学者中搜索公共医学公共医学中心
Kass，R.E.和Raftery，A.E.（1995年）。贝叶斯因素。美国统计协会。90: 773–795.https://doi.org/10.1080/0162145.9995.10476572。在谷歌学者中搜索
Kuznetsova，A.、Brockhoff，P.B.和Christensen，R.H.B.（2017年）。lmerTest包：线性混合效应模型中的测试。J.Stat.软件82: 1–26https://doi.org/10.18637/jss.v082.i13。在谷歌学者中搜索
Li，B.、Daunizeau，J.、Stephan，K.E.、Penny，W.、Hu，D.和Friston，K.（2011）。fMRI的广义滤波和随机DCM。神经成像58: 442–457.https://doi.org/10.1016/j.neuroimage.2011.01.085。在谷歌学者中搜索公共医学
Li，R.、Yu，J.、Zhang，S.、Bao，F.、Wang，P.、Huang，X.和Li，J.（2013）。贝叶斯网络分析揭示了阿尔茨海默病风险个体中默认模式网络连通性的变化。公共科学图书馆8:e82104。https://doi.org/10.1371/journal.pone.0082104。在谷歌学者中搜索公共医学公共医学中心
Lindquist，M.A.和Sobel，M.E.（2016年）。神经影像学中的有效连接和因果推断。在：神经影像数据分析手册第419卷。在谷歌学者中搜索
Liu，J.和Calhoun，V.D.（2014）。成像遗传学中的多元分析综述。前面。神经信息素。8: 29.https://doi.org/10.3389/fninf.2014.00029。在谷歌学者中搜索公共医学公共医学中心
Lu，Z.H.，Khondker，Z.，Ibrahim，J.G.，Wang，Y.，Zhu，H.和阿尔茨海默病神经成像倡议(2017). 纵向研究遗传数据成像的贝叶斯纵向低秩回归模型。神经成像149: 305–322.https://doi.org/10.1016/j.neuroimage.2017.01.052。在谷歌学者中搜索公共医学公共医学中心
罗，C.，李，Q，赖，Y，夏，Y，秦，Y，廖，W，李，S，周，D，姚，D，龚，Q（2011）。失神癫痫患者默认模式网络中功能连接的改变：一项静止状态fMRI研究。嗯。大脑映射。32: 438–449.https://doi.org/10.1002/hbm.21034。在谷歌学者中搜索公共医学公共医学中心
McKhann，G.、Drachman，D.、Folstein，M.、Katzman，R.、Price，D.和Stadlan，E.M.（1984年）。阿尔茨海默病的临床诊断：由卫生与人类服务部阿尔茨海默氏病特别工作组主持的NINCDS-ARDA工作组的报告。神经病学34: 939–939.在谷歌学者中搜索
Morris，J.S.（2015）。函数回归。年度修订统计申请。2: 321–359.https://doi.org/10.1146/annurev-statistics-010814-020413。在谷歌学者中搜索
H.G.穆勒（2008）。纵向数据的功能建模。纵向。数据分析。1: 223–252.https://doi.org/10.101201/9781420011579.ch10。在谷歌学者中搜索
Naj，A.C.，Beecham，G.W.，Martin，E.R.，Gallins，P.J.，Powell，E.H.，Konidari，I.，Whitehead，P.L.，Cai，G.，Haroutunian，V.，Scott，W.K.等人（2010年）。痴呆症揭示：晚发性阿尔茨海默病的新6号染色体位点为叶酸途径异常提供了遗传学证据。公共科学图书馆-遗传学。6:e1001130https://doi.org/10.1371/journal.pgen.1001130。在谷歌学者中搜索公共医学公共医学中心
Nathoo，F.S.，Kong，L.，Zhu，H.和阿尔茨海默病神经成像计划。(2019). 影像遗传学统计学方法综述。可以。J.统计。47: 108–131.https://doi.org/10.1002/cjs.11487。在谷歌学者中搜索公共医学公共医学中心
Penny，W.D.、Friston，K.J.、Ashburner，J.T.、Kiebel，S.J.和Nichols，T.E.（编辑）（2011年）。统计参数映射：脑功能图像分析爱思唯尔。在谷歌学者中搜索
Purcell，S.、Neale，B.、Todd-Brown，K.、Thomas，L.、Ferreira，M.A.、Bender，D.、D.、Maller，J.、Sklar，P.、De Bakker，P.I.、Daly，M.J.等人（2007年）。PLINK：一套用于全基因组关联和基于人群的连锁分析的工具。Am.J.Hum.遗传学。81: 559–575.https://doi.org/10.1086/519795。在谷歌学者中搜索公共医学公共医学中心
Razi，A.、Kahan，J.、Rees，G.和Friston，K.J.（2015）。构建用于静息状态fMRI的DCM验证。神经成像106: 1–14.https://doi.org/10.1016/j.neuroimage.2014.11.027。在谷歌学者中搜索公共医学公共医学中心
Sharaev，M.G.、Zavyalova，V.V.、Ushakov，V.L.、Kartashov，S.I.和Velichkovsky，B.M.（2016）。默认模式网络内的有效连接：静止状态fMRI数据的动态因果建模。前面。嗯，神经科学。10: 14.https://doi.org/10.3389/fnhum.2016.00014。在谷歌学者中搜索公共医学公共医学中心
Shen，Q.和Faraway，J.（2004）。具有功能响应的线性模型的F检验。统计正弦。1: 1239–1257.在谷歌学者中搜索
Smith，S.M.（2002）。快速可靠的自动大脑提取。嗯。大脑映射。17: 143–155.https://doi.org/10.1002/hbm.10062。在谷歌学者中搜索公共医学公共医学中心
Stein，J.L.、Hua，X.、Lee，S.、Ho，A.J.、Leow，A.D.、Toga，A.W.、Saykin，A.J、Shen，L.、Foroud，T.、Pankratz，N.等人（2010年）。Voxelwise全基因组关联研究（vGWAS）。神经成像53: 1160–1174.https://doi.org/10.1016/j.neuroimage.2010.02.032。在谷歌学者中搜索公共医学公共医学中心
Stingo，F.C.、Guindani，M.、Vannucci，M.和Calhoun，V.D.（2013年）。成像遗传学的综合贝叶斯建模方法。美国统计协会。108: 876–891.https://doi.org/10.1080/01621459.2013.804409。在谷歌学者中搜索公共医学公共医学中心
Song，Y.、Ge，S.、Cao，J.、Wang，L.和Nathoo，F.S.（2019年）。成像遗传学的贝叶斯空间模型，arXiv预打印arXiv:1901.00068。在谷歌学者中搜索
Szefer，E.、Lu，D.、Nathoo，F.、Beg，M.F.和Graham，J.（2017）。Alzgene连锁区单核苷酸多态性与大脑结构变化之间的多变量关联：发现、改进和验证。统计应用程序。遗传学。分子生物学。16: 367–386.https://doi.org/10.1515/sagmb-2016-0077。在谷歌学者中搜索公共医学公共医学中心
Thompson，P.M.、Ge，T.、Glahn，D.C.、Jahanshad，N.和Nichols，T.E.（2013）。连接体遗传学。神经成像80: 475–488.https://doi.org/10.1016/j.neuroimage.2013.05.013。在谷歌学者中搜索公共医学公共医学中心
Wu，X.、Li，R.、Fleisher，A.S.、Reiman，E.M.、Guan，X.、Zhang，Y.、Chen，K.和Yao，L.（2011）。阿尔茨海默病中默认模式网络连接的改变——静息功能MRI和贝叶斯网络研究。嗯。大脑映射。32: 1868–1881.https://doi.org/10.1002/hbm.21153。在谷歌学者中搜索公共医学公共医学中心
Yan，H.、Zhang，Y.、Chen，H、Wang，Y.和Liu，Y.（2013）。在静止状态遗忘型轻度认知障碍中改变默认模式网络的有效连通性。《国际神经心理学杂志》。Soc公司。19: 400–409.https://doi.org/10.1017/1355617712001580。在谷歌学者中搜索
Zhong，Y.，Huang，L.，Cai，S.，Zhang，Y.von Deneen，K.M.，Ren，A.，Junchan，R.和阿尔茨海默病神经成像倡议(2014). 阿尔茨海默病默认模式网络的有效连接模式改变：一项功能磁共振成像研究。神经科学。莱特。578: 171–175.https://doi.org/10.1016/j.neulet.2014.06.043。在谷歌学者中搜索公共医学公共医学中心
Zhang、Descoteaux、M.、Zhang，J.、Girard，G.、Chamberland，M.、Dunson，D.、Srivastava，A.和Zhu，H.（2018）。绘制基于人群的结构连接体。神经成像172: 130–145.https://doi.org/10.1016/j.neuroimage.2017.12.064。在谷歌学者中搜索公共医学公共医学中心
Zhang，Allen，G.I.，Zhu，H.和Dunson，D.（2019年）。张量网络因子分解：大脑结构连接体和特征之间的关系。神经成像197: 330–343.https://doi.org/10.1016/j.neuroimage.2019.04.027。在谷歌学者中搜索公共医学公共医学中心
Zhu，H.，Khondker，Z.，Lu，Z.和Ibrahim，J.G.（2014）。神经影像表型和遗传标记的贝叶斯广义低秩回归模型。美国统计协会。109: 977–990.https://doi.org/10.1080/01621459.2014.923775。在谷歌学者中搜索
