我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
对于许多神经系统疾病来说,预测疾病状态是一个重要的临床目标。神经成像提供了有关大脑结构和功能的详细信息,这些预测可以从统计学上得出。提出了一种具有高斯过程先验的多项式logit模型:(i)基于全脑神经成像数据预测疾病状态,(ii)分析不同图像模式和大脑区域的相对信息性。采用先进的马尔可夫链蒙特卡罗方法对模型进行后验推断。本文报告了多种神经成像模式的统计评估,用于区分三种帕金森病神经疾病和健康对照,与基于多种模式的非概率分类器相比,显示出良好的疾病状态预测性能。统计分析还量化了不同神经成像方法和大脑区域在区分这些疾病方面的相对重要性,并表明获取多个神经成像序列对预测几乎没有好处。最后,发现不同脑区的预测能力与临床文献报道的疾病区域病理学相一致。
菲利波内先生。 A.F.马昆。 C.R.V.布莱恩。 S.C.R.威廉姆斯。 《莫朗·米兰达》。 M.Girolama(吉洛米)。 “神经疾病的概率预测与神经影像数据模式的统计评估。” 附录申请。斯达。 6 (4) 1883 - 1905, 2012年12月。 https://doi.org/10.1214/12-AOAS662