×
菲利波内，M。;A.F.马昆。;C.R.V.布莱恩。;威廉姆斯，S.C.R。;J·莫朗·米兰达。;M.吉洛米。

神经成像数据模式统计评估的神经疾病概率预测。 （英语） 兹比尔1257.62103

附录申请。斯达。 1883-1905（2012）第4期第6页.
摘要：对于许多神经系统疾病，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。

引用于2文件

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析
92 C50 医疗应用（通用）
92C20美元 神经生物学
92 C55 生物医学成像和信号处理
65C60个 统计中的计算问题（MSC2010）
62J12型 广义线性模型（逻辑模型）

关键词：

多模态多项式logit模型;高斯过程;层次模型;高维数据;马尔科夫蒙特卡洛;帕金森病;疾病状态预测

软件：

简单MKL;SHOGUN公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Filippone}等人，Ann.Appl。Stat.6，No.4，1883--1905（2012；Zbl 1257.62103）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Basser，P.J.和Jones，D.K.（2002年）。扩散张量MRI：理论、实验设计和数据分析——技术综述。核磁共振生物识别。15 456-467.
[2] 布莱恩·C·R·V、巴克·G·J、雅罗斯·J·M、科伊尔·N·A、兰道·S、布朗·R·G、乔杜里·K·R、西蒙斯·A、琼斯·D·K、威廉姆斯·S·C·R.和利·P·N（2006）。使用扩散张量MRI测量帕金森综合征患者的脑干和小脑损伤。神经病学67 2199-2205。
[3] Cuingnet，R.、Gerardin，E.、Tessieras，J.、Auzias，G.、Lehéricy，S.、Habert，M.O.、Chupin，M.、Benali，H.和Colliot，O.（2011）。结构MRI对阿尔茨海默病患者的自动分类：使用ADNI数据库的十种方法的比较。神经影像56 766-781。
[4] Farrall，A.J.（2006）。磁共振成像。实用神经病学6 318-325。
[5] Filippone，M.、Zhong，M.和Girolma，M.（2012）。使用随机模拟对潜在高斯模型进行完全贝叶斯处理。技术报告TR-2012-329，格拉斯哥大学计算科学学院。
[6] Focke，N.K.、Helms，G.、Scheewe，S.、Pantel，P.M.、Bachmann，C.G.、Dechent，P.、Ebentheuer，J.、Mohr，A.、Paulus，W.和Trenkwalder，C.（2011）。基于个体体素的亚型预测可以区分进行性核上性麻痹与特发性帕金森综合征和健康对照。嗯，脑图。32 1905-1915.
[7] Gelman，A.和Rubin，D.B.（1992年）。使用多序列的迭代模拟推断。统计师。科学。7 457-472. ·Zbl 1386.65060号
[8] Geweke，J.（2004）。正确操作：后部模拟器的联合分布测试。J.Amer。统计师。协会99 799-804·兹比尔1117.62344 ·doi:10.1198/0162145000001132
[9] Geyer，C.J.（1992）。实用马尔可夫链蒙特卡罗法。统计师。科学。7 473-483.
[10] Girolma，M.和Calderhead，B.（2011年）。黎曼流形朗之万和哈密顿蒙特卡罗方法。J.R.统计社会服务。B统计方法。73 123-214. ·文件编号：10.1111/j.1467-9868.2010.00765.x
[11] Gneiting，T.和Raftery，A.E.（2007年）。严格正确的评分规则、预测和评估。J.Amer。统计师。协会102 359-378·Zbl 1284.62093号 ·doi:10.1198/0162145000001437
[12] Goel，P.K.和DeGroot，M.H.（1981年）。关于层次模型中超参数的信息。J.Amer。统计师。协会76 140-147·Zbl 0457.62006号 ·doi:10.2307/2287059
[13] Hauw，J.J.、Daniel，S.E.、Dickson，D.、Horoupian，D.S.、Jellinger，K.、Lantos，P.L.、McKee，A.、Tabaton，M.和Litvan，I.（1994年）。Steele-Richardson-Olszewski综合征（进行性核上性麻痹）的初步NINDS神经病理学标准。神经病学44 2015-2019。
[14] Klöppel，S.、Stonnington，C.M.、Chu，C.、Draganski，B.、Scahill，R.I.、Rohrer，J.D.、Fox，N.C.、Jack，C.R.、Ashburner，J.和Frackowiak，R.S.J.（2008）。阿尔茨海默病MR扫描的自动分类。大脑131 681-689。
[15] Lanckriet，G.R.G.、Cristianini，N.、Bartlett，P.、El Ghaoui，L.和Jordan，M.I.（2004）。用半定规划学习核矩阵。J.马赫。学习。第5 27-72号决议·Zbl 1222.68241号
[16] Litvan，I.、Bhatia，K.P.、Burn，D.J.、Goetz，C.G.、Lang，A.E.、McKeith，I..、Quinn，N.、Sethi，K.D.、Shults，C.和Wenning，G.K.（2003）。SIC工作组对帕金森病临床诊断标准的评估。压敏电阻。迪索德。18 467-486.
[17] Marquand，A.F.、Mourão-Miranda，J.、Brammer，M.J.、Cleare，A.J.和Fu，C.H.Y.（2008）。言语工作记忆作为抑郁症诊断生物标志物的神经解剖学研究。神经报告19 1507-1511。
[18] Murray，I.和Adams，R.P.（2010年）。潜在高斯模型的切片采样协方差超参数。神经信息处理系统进展23（J.Lafferty、C.K.I.Williams、R.Zemel、J.Shawe-Tylor和A.Culotta编辑）1723-1731。Curran Associates公司。
[19] Neal，R.M.（1993）。使用马尔可夫链蒙特卡罗方法进行概率推断。多伦多大学计算机科学系技术报告CRG-TR-93-1。
[20] Neal，R.M.（1999年）。使用高斯过程先验进行回归和分类。贝叶斯统计6（Alcoceber，1998）475-501。牛津大学出版社，纽约·Zbl 0974.62072号
[21] Papaspiliopoulos，O.、Roberts，G.O.和Sköld，M.（2007）。层次模型参数化的一般框架。统计师。科学。22 59-73. ·Zbl 1246.62195号 ·doi:10.1214/0883423070000014
[22] Rakotomamonjy，A.、Bach，F.R.、Canu，S.和Grandvalet，Y.（2008）。SimpleMKL。J.马赫。学习。第9号决议2491-2521·Zbl 1225.68208号
[23] Schölkopf，B.和Smola，A.J.（2001）。使用内核学习：支持向量机、正则化、优化及其他。麻省理工学院出版社，马萨诸塞州剑桥·Zbl 1008.62507号
[24] Seppi，K.（2007年）。MRI在神经退行性帕金森综合征鉴别诊断中的临床应用。帕金森综合征及相关疾病13 S400-S405。
[25] 沙塔克·D·W、米尔扎·M、阿迪塞蒂约·V、霍贾特卡沙尼·C、萨拉蒙·G、纳尔·K·L、波德拉克·R·A、比尔德·R·M和多哥·A·W（2008）。人类皮层结构三维概率图谱的构建。神经影像39 1064-1080。
[26] Sonnenburg，S.、Rätsch，G.、Schäfer，C.和Schölkopf，B.（2006年）。大规模多内核学习。J.马赫。学习。第7号决议1531-1565·Zbl 1222.90072号
[27] Wenning，G.K.、Tison，F.、Shlomo，Y.B.、Daniel，S.E.和Quinn，N.P.（1997）。多系统萎缩：203例病理证实病例回顾。压敏电阻。迪索德。12 133-147.
[28] Williams，C.K.I.和Barber，D.（1998年）。高斯过程贝叶斯分类。IEEE模式分析和机器智能汇刊20 1342-1351。
[29] Yoshikawa，K.、Nakata，Y.、Yamada，K.和Nakagawa，M.（2004）。扩散张量MRI显示帕金森病患者大脑的早期病理变化。神经病学、神经外科和精神病学杂志75 481-484。
[30] Yu，Y.和Meng，X.-L.（2011）。中心还是非中心：这不是问题所在——提高MCMC效率的辅助充分性交织策略（ASIS）。J.计算。图表。统计师。20 531-570. ·doi:10.1198/jcgs.2011.203主要
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。