×
丹尼尔·杜兰特；大卫·B·邓森。

大脑网络中群体差异的贝叶斯推断和测试。 （英语） Zbl 06873717号

贝叶斯分析。 13，第1号，29-58（2018）.
概要：网络数据与其他感兴趣的变量一起越来越多地被收集。我们的动机来自于神经生理学研究，该研究测量了样本个体的大脑连接网络，以及他们是否属于低创造性或高创造性推理小组。开发统计方法来测试跨组大脑区域之间结构互连的全局和局部变化至关重要。我们开发了一个用于推断和测试网络结构中群体差异的通用贝叶斯程序，该程序依赖于与网络值随机变量相关的条件概率质量函数的非参数表示。通过利用低秩因子分解的混合，我们允许对多重性进行简单的全局和局部假设测试调整。定义了一种有效的吉布斯采样器用于后验计算。我们提供了关于模型灵活性的理论结果，并评估了模拟中的测试性能。该方法用于提供关于人脑网络和创造力之间关系的新见解。

引用于20文件

MSC公司：

2015年1月62日 贝叶斯推断
90B15号机组 运筹学中的随机网络模型
62H30型 分类和区分；聚类分析（统计方面）
62G05型 非参数估计
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

大脑网络；混合物模型；多次测试；非参数贝叶斯

软件：

能量管理；贝叶斯逻辑；大脑连接工具箱；平滑（smoothfdr）
PDF格式BibTeX公司 XML格式引用
\textit{D.Durante}和\textit{D.B.Dunson}，贝叶斯分析。13、第1号、第29-58号（2018；Zbl 06873717）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Agresti，A.（2002年）。分类数据分析。第二版。纽约：Wiley·Zbl 1018.6202号
[2] Airoldi，E.M.、Blei，D.M.、Fienberg，S.E.和Xing，E.P.（2008）。“混合成员随机块模型”，《机器学习研究杂志》，9:1981-2014·Zbl 1225.68143号
[3] Arden，R.、Chavez，R.S.、Grazioplene，R.和Jung，R.E.（2010）。“神经成像创造力：心理测量学观点”，《大脑行为研究》，214（2）：143-156。
[4] Begg，M.D.和Lagakos，S.（1990年）。“关于逻辑回归中模型错误指定的后果”，《环境健康展望》，87:69-75。
[5] Benjamini，Y.和Hochberg，Y.（1995年）。“控制错误发现率：一种实用而有力的多重测试方法”，《皇家统计学会杂志：B辑（统计方法）》，57（1）：289-300·Zbl 0809.62014号
[6] Berger，J.O.和Delampady，M.（1987年）。“检验精确假设”，《统计科学》，2（3）：317-335·Zbl 0955.62545号
[7] Berger，J.O.和Sellke，T.（1987）。“检验一个点无效假设：P值和证据的不可调和性”，《美国统计协会杂志》，82（397）：112-122·Zbl 0612.62022号
[8] Bhattacharya，A.和Dunson，D.B.（2011年）。“稀疏贝叶斯无限因子模型”，《生物统计学》，98（2）：291-306·Zbl 1215.62025号
[9] Bressler，S.L.和Menon，V.（2010年）。“认知中的大规模脑网络：新兴方法和原理”，《认知科学趋势》，14（6）：277-290。
[10] Bullmore，E.和Sporns，O.（2009年）。“复杂的大脑网络：结构和功能系统的图论分析”，《自然评论神经科学》，10（3）：186-198。
[11] Bullmore，E.和Sporns，O.（2012年）。《大脑网络组织的经济》，《自然评论神经科学》，13（5）：336-349。
[12] Canale，A.和Dunson，D.B.（2011年）。“贝叶斯核混合计数”，《美国统计协会杂志》，106（496）：1528-1539·Zbl 1233.62041号
[13] Carlsson，I.、Wendt，P.E.和Risberg，J.（2000）。“创造力的神经生物学。高创造性和低创造性受试者之间额叶活动的差异”，《神经心理学》，38（6）：873-885。
[14] Craddock，R.C.、Jbabdi，S.、Yan，C.-G.、Vogelstein，J.T.、Castellanos，F.X.、Martino，A.D.、Kelly，C.、Heberlein，K.、Colcombe，S.和Milham，M.P.（2013）。“在宏观尺度上成像人类连接体”，《自然方法》，10（6）：524-539。
[15] Daianu，M.、Jahanshad，N.、Nir，T.M.、Toga，A.W.、Jack，C.R.、Weiner，M.W.和Thompson，P.M.（2013）。“正常衰老和阿尔茨海默病之间大脑连接的破坏：一个结构k核网络分析”，《大脑连接》，3（4）：407-422。
[16] Deegan，J.（1976年）。“回归分析中模型错误指定的后果”，《多元行为研究》，11（2）：237-248。
[17] Desikan，R.S.、Ségonne，F.、Fischl，B.、Quinn，B.T.、Dickerson，B.C.、Blacker，D.、Buckner，R.L.、Dale，A.M.、Maguire，R.P.、Hyman，B.T.、Albert，M.和Killiany，R.J.（2006年）。“一种自动标记系统，用于将MRI扫描的人类大脑皮层细分为基于脑回的感兴趣区域。”《神经影像》，31（3）：968-980。
[18] DiRienzo，A.G.和Lagakos，S.W.（2001）。“模型错误指定对考克斯比例风险模型产生的非随机治疗效应测试的影响”，《皇家统计学会杂志：B辑（统计方法）》，63（4）：745-757·Zbl 0987.62065号
[19] Dunson，D.B.和Herring，A.H.（2005）。混合离散结果的贝叶斯潜在变量模型〉，《生物统计学》，6（1）：11-25·Zbl 1069.62094号
[20] Dunson，D.B.和Xing，C.（2009年）。“多元分类数据的非参数贝叶斯建模”，《美国统计协会杂志》，104（487）：1042-1051·Zbl 1388.62151号
[21] Durante，D.和Dunson，D.B.（2016）。“贝叶斯推断和大脑网络群体差异测试”补充材料贝叶斯分析·Zbl 06873717号
[22] Durante，D.、Dunson，D.B.和Vogelstein，J.T.（2016）。“网络人口的非参数贝叶斯建模”，《美国统计协会杂志》，出版。
[23] Fornito，A.、Zalesky，A.和Breakspear，M.（2013）。“人类连接体的图形分析：前景、进展和陷阱”，《神经影像》，80:426-444。
[24] Frank，O.和Strauss，D.（1986年）。《马尔可夫图》，《美国统计协会杂志》，81（395）：832-842·Zbl 0607.05057号
[25] Fuster，J.M.（2000年）。“模块：范式的危机”，《神经元》，26（1）：51-53。
[26] Fuster，J.M.（2006）。“认知：皮层表征的网络模型”，《国际心理生理学杂志》，60（2）：125-132。
[27] Gelman，A.和Rubin，D.B.（1992年）。“使用多序列的迭代模拟推断”，《统计科学》，7（4）：457-472·Zbl 1386.65060号
[28] Gelman，A.、Van Dyk，D.A.、Huang，Z和Boscardin，J.W.（2008）。“使用冗余参数化来拟合层次模型”，《计算与图形统计杂志》，17（1）：95-122。
[29] Genovese，C.R.、Lazar，N.A.和Nichols，T.（2002）。“使用错误发现率对功能神经成像中的统计图进行阈值化”，《神经图像》，15（4）：870-878。
[30] Ghosh，J.和Dunson，D.B.（2009年）。“贝叶斯因子分析中的默认先验分布和有效后验计算”，《计算与图形统计杂志》，18（2）：306-320。
[31] Ginestet，C.E.、Balanchandran，P.、Rosenberg，S.和Kolaczyk，E.D.（2014）。“功能神经成像中网络数据的假设检验”，arXiv.1407.5525。
[32] Gray Roncal，W.、Koterba，Z.H、Mhembere，D.、Kleissas，D.M.、Vogelstein，J.T.、Burns，R.、Bowles，A.R.、Donavos，D.K.、Ryman，S.、Jung，R.E.、Wu，L.、Calhoun，V.和Vogelstein，R.J.（2013）。“MIGRAINE:连接组学的MRI图形可靠性分析和推断”，摘自IEEE全球信号和信息处理会议，313-316。电气与电子工程师协会。
[33] Heilman，K.M.、Nadeau，S.E.和Beversdorf，D.O.（2003）。“创造性创新：可能的大脑机制”，神经病学，9（5）：369-379。
[34] Hoff，P.（2008）。“对称关系数据中的同质性和随机等价建模”，《神经信息处理系统进展》，657-664。
[35] Hoff，P.D.、Raftery，A.E.和Handcock，M.S.（2002年）。“社会网络分析的潜在空间方法”，《美国统计协会杂志》，97（460）：1090-1098·兹比尔1041.62098
[36] Hunter，D.R.、Goodreau，S.M.和Handcock，M.S.（2008a）。“社交网络模型的拟合度”，《美国统计协会杂志》，103（481）：248-258·Zbl 1471.62390号
[37] Hunter，D.R.、Handcock，M.S.、Butts，C.T.、Goodreau，S.M.和Morris，M.（2008b）。“ergm：用于拟合、模拟和诊断网络指数族模型的软件包。”《统计软件杂志》，24（3）。
[38] Jung，R.E.、Segall，J.M.、Bockholt，H.J.、Flores，R.A.、Smith，S.M.，Chavez，R.S.和Haier，R.J.（2010）。《创造力的神经解剖学》，《人脑绘图》，31（3）：398-409。
[39] Kantarci，B.和Labatut，V.（2013）。“基于拓扑特性的复杂网络分类”，2013年国际云与绿色计算会议，297-304。电气与电子工程师协会。
[40] Kass，R.E.和Raftery，A.E.（1995）。“贝叶斯因素”，《美国统计协会杂志》，90（430）：773-795·Zbl 0846.62028号
[41] Krzanowski，W.（1988）。多元分析原理：用户视角。牛津大学出版社·Zbl 0678.62001号
[42] Newton，M.A.、Noueiry，A.、Sarkar，D.和Ahlquist，P.（2004）。“用半参数分层混合法检测差异基因表达。”生物统计学，5（2）：155-176·Zbl 1096.62124号
[43] Nowicki，K.和Snijders，T.A.B.（2001）。“随机块状结构的估计和预测”，《美国统计协会杂志》，96（455）：1077-1087·Zbl 1072.62542号 ·doi:10.1198/016214501753208735
[44] Olde Dubbelink，K.T.E.、Hillebrand，A.、Stoffers，D.、Deijen，J.B.、Twisk，J.W.R.、Stam，C.J.和Berendse，H.W.（2014）。“帕金森氏病中大脑网络拓扑结构的破坏：纵向脑磁图研究”，《大脑》，137（1）：197-207。
[45] Polson，N.G.、Scott，J.G.和Windle，J.（2013）。“使用Pólya-Gamma潜在变量对逻辑模型进行贝叶斯推断”，《美国统计协会杂志》，108（504）：1339-1349·Zbl 1283.62055号
[46] Ramsey，J.D.、Hanson，S.J.、Hanson C.、Halchenko，Y.O.、Poldrack，R.A.和Glymour，C.（2010）。“功能磁共振成像因果推断的六个问题”，《神经影像》，49（2）：1545-1558。
[47] Rousseau，J.和Mengersen，K.（2011年）。“过量混合模型后验分布的渐近行为”，《皇家统计学会杂志：B辑（统计方法）》，73（5）：689-710·Zbl 1228.62034号
[48] Rubinov，M.和Sporns，O.（2010年）。“大脑连接的复杂网络测量：用途和解释”，《神经影像》，52（3）：1059-1069。
[49] Sawyer，K.R.（2012）。解释创造力：人类创新的科学。牛津大学出版社。
[50] Scott，J.G.、Kelly，R.C.、Smith，M.A.、Zhou，P.和Kass，R.E.（2015）。“错误发现率回归：初级视觉皮层神经同步检测的应用”，《美国统计协会杂志》，110（510）：459-471。
[51] Sellke，T.、Bayarri，M.J.和Berger，J.O.（2001）。“用于测试精确零假设的p值校准”，《美国统计学家》，55（1）：62-71·兹比尔1182.62053
[52] Shobe，E.R.、Ross，N.M.和Fleck，J.I.（2009年）。“惯用手和双眼运动对创造力的影响”，《大脑与认知》，71（3）：204-214。
[53] Simpson，S.L.、Bowman，F.D.和Laurienti，P.J.（2013）。《分析复杂功能的大脑网络：融合统计学和网络科学来理解大脑》，《统计调查》，7:1-36·Zbl 1279.92021号
[54] Simpson，S.L.、Hayasaka，S.和Laurienti，P.J.（2011）。“复杂大脑网络的指数随机图建模”，《公共科学图书馆·综合》，6（5）：e20039。
[55] Simpson，S.L.、Moussa，M.N.和Laurienti，P.J.（2012）。“一种指数随机图建模方法，用于创建基于组的代表性全脑连接网络。”NeuroImage，60（2）：1117-1126。
[56] Smith，S.M.、Miller，K.L.、Salimi-Khorshidi，G.、Webster，M.、Beckmann，C.F.、Nichols，T.E.、Ramsey，J.D.和Woolrich，M.W.（2011）。“FMRI的网络建模方法”，《神经影像》，54（2）：875-891。
[57] Sporns，O.（2013）。“复杂脑网络的结构和功能”，《临床神经科学对话》，15（3）：247-262。
[58] Stam，C.J.（2014）。《神经疾病的现代网络科学》，《自然评论神经科学》，15（10）：683-695。
[59] Stirling，J.和Elliott，R.（2008）。介绍神经心理学。劳特利奇。
[60] Takeuchi H.、Taki Y.、Sassa Y.、Hashizume H.，Sekiguchi A.、Fukushima A.和Kawashima R.（2010年）。“与创造力相关的白质结构：来自扩散张量成像的证据”，《神经影像》，51（1）：11-18。
[61] Tansey，W.、Koyejo，O.、Poldrack，R.A.和Scott，J.G.（2014）。“错误发现率平滑”。arXiv.1411.6144·Zbl 1402.62011年
[62] Wang，H.和Marron，J.（2007年）。“面向对象的数据分析：树的集合”，《统计年鉴》，35（5）：1849-1873·Zbl 1126.62002号
[63] Wang，J.，He，L.，Zheng，H.和Lu，Z.-L.（2014）。“优化磁化分离快速梯度回波（MP-RAGE）序列”，《公共科学图书馆·综合》，9（5）：e96899。
[64] Wasserman，S.和Pattison，P.（1996年）。“社交网络的逻辑模型和逻辑回归：I.马尔可夫图和（p^*\）简介”，《心理测量学》，61（3）：401-425·Zbl 0866.92029号
[65] Zalesky，A.、Fornito，A.和Bullmore，E.T.（2010年）。“基于网络的统计：识别大脑网络的差异”，《神经影像》，53（4）：1197-1207。
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。