×

表皮神经纤维模式的贝叶斯层次点过程模型。 (英语) Zbl 1425.92037号

摘要:我们在贝叶斯层次设置中引入托马斯过程,作为具有嵌套结构的点模式数据的模型。该模型应用于神经纤维数据集,该数据集由47名受试者分成3组的神经进入点的多个点模式组成,其中分组基于某一神经疾病的诊断严重程度。建模假设是每个点模式都是Thomas过程的实现,具有特定于主题的参数值。反过来,假设这些参数值来自依赖于受试者所属组的分布。为了拟合模型,我们构造了MCMC算法,并在仿真研究中进行了评估。模拟研究的结果表明,各参数的组水平均值估计良好,但受试者间方差的估计更具挑战性。当将模型拟合到神经纤维数据时,我们发现所有组中簇内的结构似乎都相同,但簇的数量随着神经疾病的进展而减少。

理学硕士:

92C20美元 神经生物学
第62页第10页 统计学在生物学和医学中的应用;元分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 默勒,J。;Waagepetersen,R.P.,《空间点过程的现代统计》,Scand。《统计杂志》,34、4、643-684(2007)·Zbl 1157.62067号
[2] Mrkvička,T.,《区分内曼-斯科特点过程中不同类型的不均匀性》,方法。计算。申请。概率。,16, 2, 385-395 (2014) ·Zbl 1305.62337号
[3] Wendelschafer-Crabb,G。;肯尼迪,W.R。;Walk,D.,皮肤活检中神经的形态学特征,神经学杂志。科学。,242, 15-21 (2006)
[4] Panoutsopoulou,I.G。;Wendelschafer-Crabb,G。;霍奇斯,J.S。;Kennedy,W.R.,《量化表皮神经的皮肤水疱和皮肤活检对比研究》,《神经病学》,第72、14、1205-1210页(2009年)
[5] Thomas,M.,《生态学中泊松二项式极限的推广》,《生物统计学》,36,1/2,18-25(1949)
[6] 内曼,J。;Scott,E.L.,宇宙学问题的统计方法(含讨论),J.R.Stat.Soc.B,20,1-43(1958)·兹伯利0085.42906
[7] 默勒,J。;Waagepetersen,R.P.,《空间点过程的统计推断和模拟》(2003),CRC出版社·Zbl 1039.62089号
[8] 伊利安·J。;Penttinen,A。;Stoyan,H。;Stoyan,D.,《空间点模式的统计分析和建模》(2008),John Wiley&Sons,Ltd·Zbl 1197.62135号
[9] Fiksel,T.,点过程的边修正密度估计,统计学,19,1,67-75(1988)·Zbl 0644.62044号
[10] 肯尼迪,W.R。;诺拉诺,M。;Wendelschafer-Crabb,G。;约翰逊,T.L。;Tamura,E.,《研究周围神经疾病中表皮神经的皮肤水疱法》,《肌肉神经》,22,3,360-371(1999)
[11] 洛杉矶沃勒。;Särkkä,A。;Olsbo,V。;Myllymäki,M。;Panoutsopoulou,I.G。;肯尼迪,W.R。;Wendelschafer-Crabb,G.,表皮神经纤维的二阶空间分析,Stat.Med.,30,23,2827-2841(2011)
[12] 安德森,C。;Guttorp,P。;Särkkä,A.,《从表皮神经纤维模式发现早期糖尿病神经病变》,《Stat.Med.》,35,24,4427-4442(2016)
[13] Myllymäki,M。;Särkkä,A。;Vehtari,A.,用非空间协变量对复制的空间点模式进行层次二阶分析,《空间统计》,8,104-121(2014)
[14] Myllymäki,M。;马尔科维奇·卡,T。;格拉巴尼克,P。;Seijo,H。;Hahn,U.,《空间过程的全球包络检验》,J.R.Stat.Soc.Seri。B(统计方法),79,2,381-404(2017)·Zbl 1414.62404号
[15] Gelman,A。;Rubin,D.B.,《使用多序列的迭代模拟推断》,《统计科学》。,457-472 (1992) ·Zbl 1386.65060号
[16] 布鲁克斯,S.P。;Gelman,A.,《监测迭代模拟收敛性的通用方法》,J.Compute。图表。Stat.,7,4,434-455(1998年)
[17] 普卢默,M。;贝斯特,N。;Cowles,K。;Vines,K.,Coda:mcmc的收敛诊断和输出分析,R News,6,1,7-11(2006)
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。