杨和进;维拉巴德兰·巴拉丹达尤塔帕尼;Rao，Arvind英国。;杰弗里·莫里斯。 分布数据标量回归分析的分位数函数。 （英语） Zbl 1437.62159号 美国统计协会。 115，编号529，90-106（2020）. 摘要：放射学涉及对肿瘤图像的研究，以确定解释癌症异质性的定量标记。主要的方法是提取数百到数千个图像特征，包括由像素强度边缘分布摘要组成的直方图特征，这会导致多个测试问题，并可能会遗漏选定特征中未包含的细节。在本文中，我们提出了通过分位数函数作为功能数据来建模像素强度的整个边缘分布的方法，并基于一组人口统计学、临床和遗传预测因子进行回归，以研究基于图像的癌症异质性的影响。我们称之为这种方法分位数函数回归，通过对一组协变量的重复测量回归主题特定的边际分布，使我们能够评估哪些协变量与全球意义上的分布相关，并确定表征这些差异的分布特征，包括均值、方差、偏度、重尾性，以及各种上下分位数。为了说明分位数函数的平滑性，说明函数内相关性，并获得统计能力，我们引入了我们称之为的自定义基函数夸特莱它们是稀疏的、正则的、近无损的和经验定义的，适应给定数据集的特征并包含高斯子空间，因此可以评估非高斯性。我们使用贝叶斯框架拟合该模型，该框架使用量子系数的非线性收缩来正则化函数回归系数，并在拟合马尔可夫链蒙特卡罗之后提供完全贝叶斯推断。我们通过仿真研究证明了基础空间建模的好处，并将该方法应用于来自多型胶质母细胞瘤的基于磁共振成像（MRI）的辐射数据集，以将基于图像的分位数函数与各种人口统计学、临床和遗传预测因子相关联，发现男性和女性之间以及具有和不具有DDIT3突变的肿瘤之间肿瘤像素强度分布的特定差异。 引用于9文件 MSC公司： 62G08号 非参数回归和分位数回归 62页第10页 统计学在生物学和医学中的应用；元分析 62M40型 随机字段；图像分析 2015年1月62日 贝叶斯推断 62升10 功能数据分析 关键词：基本函数;贝叶斯建模;函数回归;成像遗传学;马尔科夫蒙特卡洛;概率密度函数 软件：fda（右）;FD增压;半标准杆 PDF格式BibTeX公司 XML格式引用 \textit{H.Yang}等人，《美国统计协会期刊》第115期，第529、90-106号（2020年；Zbl 1437.62159） 全文： 内政部 链接 参考文献： [1] Bellemare，M.G。；达布尼，W。；Munos，R.，“强化学习的分布视角”，arXiv预印本arXiv，1-19（2017） [2] Bickel，P.J。；Freedman，D.A.，“引导的一些渐近理论”，《统计学年鉴》，第9卷，第1196-1217页（1981年）·Zbl 0449.62034号 ·doi:10.1214/aos/1176345637 [3] 布罗克豪斯，S。；Rügamer，D.，“FDboost:增强函数回归模型”，R包版本，0.0-8（2015） [4] 布罗克豪斯，S。；Scheipl，F。；Hothorn，T。；Greven，S.，“函数线性阵列模型”，《统计建模》，第15期，第279-300页（2015年）·Zbl 07258990号 ·doi:10.177/1471082X14566913 [5] Cardot，H。；克兰贝斯，C。；Sarda，P.，“当协变量是函数时的分位数回归”，非参数统计，17，841-856（2005）·Zbl 1077.62026号 ·doi:10.1080/10485250500303015 [6] Chen，K。；Müller，H.-G，“协变量为函数时的条件分位数分析，应用于增长数据”，《皇家统计学会杂志》，B辑，74，67-89（2012）·Zbl 1411.62095号 ·文件编号：10.1111/j.1467-9868.2011.01008.x [7] Colen，R.R。；Wang，J。；辛格，S.K。；古特曼，D.A。；Zinn，P.O.，“胶质母细胞瘤：成像基因组图谱揭示了细胞死亡的性别特异性致癌相关性”，放射学，275，215-227（2014）·doi:10.1148/radiol.14141800 [8] 达维诺，C。；弗诺，M。；Vistocco，D.，《分位数回归：理论与应用》（2013），纽约：威利出版社 [9] Dobrushin，R.L.，通过条件分布定义随机变量，Teoriya Veroyatnostei i Primenniya，15，469-497（1970）·Zbl 0264.60037号 [10] Donoho，D.L。；约翰斯通，I.M。；Kerkyacharian，G。；Picard，D.，“小波收缩：渐近？”，《皇家统计学会杂志》。B系列，57301-369（1995）·Zbl 0827.62035号 ·doi:10.1111/j.2517-6161.1995.tb02032.x [11] 邓森，D.B.，“潜在性状分布的贝叶斯动态模型”，生物统计学，7551-568（2006）·Zbl 1170.62375号 ·doi:10.1093/biostatistics/kxj025 [12] 邓森，D.B。；北卡罗来纳州皮莱。；Park，J.-H，“贝叶斯密度回归”，《皇家统计学会杂志》，B辑，69，163-183（2007）·Zbl 1120.62025号 ·文件编号：10.1111/j.1467-9868.2007.00582.x [13] Faraway，J.J.，“功能性反应的回归分析”，技术计量学，39，254-261（1997）·Zbl 0891.62027号 ·doi:10.1080/00401706.1997.10485118 [14] Felipe De Sousa，E.M。；弗默伦。；费斯勒，E。；Medema，J.P.，“癌症异质性——多层面观点”，EMBO报告，14686-695（2013）·doi:10.1038/embor.2013.92 [15] 费拉蒂，F。；拉比，A。；Vieu，P.，“相关函数数据的条件分位数及其在气候中的应用”，厄尔尼诺“现象”，桑基拉：印度统计杂志，67，378-398（2005）·Zbl 1192.62104号 [16] Gilbert，M.R.，“胶质母细胞瘤的抗血管生成治疗：复杂生物学和复杂结果”，美国临床肿瘤学会，341567-1570（2016）·doi:10.1200/JCO.2016.66.5364 [17] 戈德史密斯，J。；鲍勃，J。；Crainiceanu，C.M。；Caffo，B。；Reich，D.，“惩罚函数回归”，《计算与图形统计杂志》，20830-851（2012）·doi:10.1198/jcgs.2010.1007 [18] 戈德史密斯，J。；魔杖，M.P。；Crainiceanu，C.，“通过变分贝叶斯进行函数回归”，《电子统计杂志》，第5507-602页（2011年）·Zbl 1274.62200号 [19] 格里芬，J.E。；Steel，M.J.，“基于有序的依赖性Dirichlet过程”，《美国统计协会杂志》，101179-194（2006）·Zbl 1118.62360号 ·doi:10.1198/01621450000000727 [20] Guo，W.，“功能混合效应模型”，生物统计学，58121-128（2002）·Zbl 1209.62072号 [21] Hao，L。；Naiman，D.Q.，《分位数回归》（2007），伦敦：Sage出版社，伦敦 [22] 何，X。；Liang，H.，“一类线性和部分线性误差-变量模型的分位数回归估计”，《统计学》，10，129-140（2000）·Zbl 0970.62043号 [23] Just，N.，“利用直方图改进肿瘤异质性MRI评估”，《英国癌症杂志》，1112205-2213（2014）·doi:10.1038/bjc.2014.512 [24] Kato，K.，“函数线性分位数回归中的估计”，《统计学年鉴》，63108-3136（2012）·Zbl 1296.62104号 ·doi:10.1214/12-AOS1066 [25] 加藤，K。；Galvao，A.F。；Montes-Rojas，G.V.，“具有个体效应的面板分位数回归模型的渐近性”，《计量经济学杂志》，170，76-91（2012）·Zbl 1443.62475号 ·doi:10.1016/j.jeconom.2012.02.07 [26] Koenker，R.，“纵向数据的分位数回归”，《多元分析杂志》，91，74-89（2004）·Zbl 1051.62059号 ·doi:10.1016/j.jmva.2004.05.006 [27] Koenker，R.，分位数回归（2005），剑桥：剑桥大学出版社，剑桥·Zbl 1111.62037号 [28] Lee，W。；米兰达，M。；巴拉丹达尤塔帕尼，V。；Rausch，P。；法齐奥，M。；唐斯，C。；Morris，J.S.，“纵向函数数据的贝叶斯半参数函数混合模型及其在青光眼数据中的应用”，美国统计协会杂志，1-19（2018）·Zbl 1420.62456号 ·doi:10.1080/01621459.2018.1476242 [29] 李，M。；王凯。；Maity，A。；Staicu，A.-M，“函数线性分位数回归中的推断”，arXiv预印本arXiv，1602，08793（2016） [30] Liu，Y.，Li，M.和Morris，J.S.（2018），功能-标量分位数回归及其在质谱蛋白质组学数据中的应用，“技术报告，MD Anderson。 [31] MacEachern，S.N.，150-55（1999） [32] 马鲁西克，A。；阿尔门德罗，V。；Polyak，K.，“肿瘤内异质性：癌症的镜子？”，《自然评论癌症》，12323-334（2012）·doi:10.1038/nrc3261 [33] Meyer，M.J。；库尔，B.A。；范思哲，F。；辛西里皮尼，P。；Morris，J.S.，“多水平功能数据的贝叶斯函数对函数回归”，《生物计量学》，71，563-574（2015）·Zbl 1419.62408号 ·doi:10.1111/biom.12299 [34] Morris，J.S.，“函数回归”，《统计及其应用年鉴》，第2321-359页（2015年）·doi:10.1146/annurev-statistics-010814-020413 [35] 莫里斯，J.S。；Carroll，R.J.，“基于小波的函数混合模型”，《皇家统计学会杂志》，B辑，68，179-199（2006）·Zbl 1110.62053号 ·文件编号：10.1111/j.1467-9868.2006.00539.x [36] 穆勒，P。；埃尔坎利，A。；West，M.，“使用多元正态混合的贝叶斯曲线拟合”，Biometrika，8367-79（1996）·Zbl 0865.62029号 ·doi:10.1093/biomet/83.1.67 [37] Nebert，D.W.，“极端不一致表型方法：临床药理学的直观方法”，《欧洲药理学杂志》，410，107-120（2000）·doi:10.1016/S0014-2999（00）00809-8 [38] Parzen，E.，“分位数概率和统计数据建模”，《统计科学》，19652-662（2004）·Zbl 1100.62500号 ·doi:10.1214/08834230400000387 [39] Ping，Y。；邓，Y。；Wang，L。；张，H。；Zhang，Y。；徐，C。；赵，H。；风扇，H。；Yu，F。；Xiao，Y。；Li，X.，“通过整合多维基因组数据，基于多层因子介导的功能失调调节网络识别胶质母细胞瘤中的核心基因模块”，核酸研究，431997-2007（2015）·doi:10.1093/nar/gkv074 [40] Ragel，B.T。；库德威尔，W.T。；Gillespie，D.L。；Jensen，R.L.，“通过cDNA微阵列分析鉴定恶性胶质瘤细胞系（U-251）中的低氧诱导基因”，《神经外科评论》，第30期，第181-187页（2007年）·doi:10.1007/s10143-007-0070-z [41] J.O.拉姆齐。；Silverman，B.W.，功能数据分析（2006），纽约：Springer，纽约·Zbl 1079.62006号 [42] Reich，B.J.，“检测环境过程分布变化的时空分位数回归”，《皇家统计学会杂志》，C辑，61535-553（2012）·文件编号：10.1111/j.1467-9876.2011.01025.x [43] Reich，B.J。；Fuentes，M。；Dunson，D.B.，“贝叶斯空间分位数回归”，《美国统计协会杂志》，106，6-20（2012）·Zbl 1396.62263号 ·doi:10.198/jasa.2010.ap09237 [44] 莱斯，P.T。；黄，L。；Mennes，M.，“带惩罚基扩展的快速函数标度回归”，《国际生物统计杂志》，6，1-28（2010） [45] Ruppert，D。；魔杖，M.P。；Carroll，R.J.，《半参数回归》（2003），剑桥：剑桥大学出版社，剑桥·Zbl 1038.62042号 [46] 萨哈，A。；班纳吉，S。；Kurtek，S。；Narang，S。；Lee，J。；Rao，G。；马丁内斯，J。；Bharath，K。；Rao，A.U。；Baladandayuthapani，V.，“DEMARCATE:基于密度的磁共振图像聚类用于评估癌症中的肿瘤异质性”，《神经影像：临床》，第12期，第132-143页（2016年）·doi:10.1016/j.nicl.2016.05.012 [47] Scheipl，F。；A.-M.施泰克。；Greven，S.，“函数加法混合模型”，《计算与图形统计杂志》，24477-501（2015）·doi:10.1080/10618600.2014.901914 [48] Tibshirani，R.，“通过套索进行回归收缩和选择”，《皇家统计学会期刊》，B辑，58，267-288（1996）·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x [49] Tivnan，A.，《针对成人脑癌靶向治疗的耐药性》（2016），纽约：国际出版公司：纽约斯普林格出版社 [50] Tutt，B.，“尽管治疗取得进展，胶质母细胞瘤的治疗仍然难以确定”，OncoLog，56，1-8（2011） [51] Tyekucheva，S。；马尔基奥尼，L。；卡钦，R。；Parmigiani，G.，“利用基因集整合各种基因组数据”，《基因组生物学》，12，R105（2011）·doi:10.1186/gb-2011-12-10-r105 [52] 吴总。；Chiang，C.-T，“具有纵向相关变量的变系数模型的核平滑”，《统计》，第10433-456页（2000）·Zbl 0945.62047号 [53] Yang，Y。；He，X.，“空间相关数据的分位数回归：经验似然方法”，《统计学》，25，261-274（2015）·Zbl 1480.62070号 [54] Yang，Y。；Tokdar，S.T.，“任意预测空间上分位数平面的联合估计”，美国统计协会杂志，1-14（2017） [55] 张，L。；巴拉丹达尤塔帕尼，V。；朱，H。；巴格利，K.A。；Majewski，T。；捷克，B.A。；Morris，J.S.，“大型空间相关函数数据集的函数CAR模型”，美国统计协会杂志，111772-786（2016）·doi:10.1080/01621459.2015.1042581 [56] 朱，H。；Brown，P.J。；Morris，J.S.，“函数混合模型框架中的鲁棒、自适应函数回归”，《美国统计协会杂志》，1061167-1179（2011）·Zbl 1229.62053号 ·doi:10.1198/jasa.2011.tm10370 [57] 朱，H。；Brown，P.J。；Morris，J.S.，“使用功能混合模型对功能和定量图像数据进行稳健分类，生物计量学，68，1260-1268（2012）·Zbl 1259.62056号 [58] 朱，H。；范思哲，F。；辛西里皮尼，P。；Morris，J.S.，“空间相关函数回归的稳健函数混合模型，应用于烟碱依赖个体的事件相关电位”，《神经影像》，181，501-512（2018）·doi:10.1016/j.neuroimage.2018.07.006 [59] 津恩，P.O。；马贾丹，B。；Sathyan，P。；辛格，S.K。；Majumder，S。；Jolesz，F.A。；Colen，R.R.，“多形性胶质母细胞瘤水肿/细胞侵袭MRI表型的放射基因组定位”，PloS One，6，1-11（2011） 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。