夏，尹；李乐新；塞缪尔·洛克哈特。；威廉·贾古斯。 多模态综合分析的同时协方差推断。 （英语） Zbl 1441.62089号 美国统计协会。 115，编号531，1279-1291（2020）. 摘要：多模态综合分析融合了在同一组实验对象上收集的不同类型的数据。它正在成为多组学和多模式神经成像分析等许多科学研究分支的规范。在这篇文章中，我们讨论了多模态之间关联的同时协方差推断问题，这在多模态综合分析中非常重要。认识到文献中对于这类问题几乎没有现成的解决方案，我们开发了一种新的同步测试程序。它提供了统计显著性的明确量化，大大提高了检测能力，以及严格的错误发现控制。我们的建议从科学角度和统计方法学角度作出了新颖而有益的贡献。我们通过模拟和对阿尔茨海默病两种标志性病理蛋白之间关系的多模式正电子发射断层扫描研究，证明了新方法的有效性。 引用于2文件 MSC公司： 62G05型 非参数估计 62G15年 非参数容差和置信区域 第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 关键词：极值分布；错误发现控制；最小最大速率优化；多模态综合分析；多次测试；正电子发射断层扫描 软件：项目管理局 PDF格式BibTeX公司 XML格式引用 \textit{Y.Xia}et al.，J.Am.Stat.Assoc.115，No.531，1279--1291（2020；Zbl 1441.62089） 全文： 内政部 链接 参考文献： [1] 安，M。；沈，H。；Lin，W。；Zhu，H.，功能神经成像数据分组分析的稀疏降秩框架，《中国统计》，25295-312（2015）·Zbl 1480.62216号 ·doi:10.5705/ss.2013.232w [2] Anderson，T.W.，《多元统计分析导论》（2003），Wiley-Interscence:Wiley-interscence，纽约·Zbl 1039.62044号 [3] Y.本杰米尼。；Yekutieli，D.，《依赖性下多重测试中错误发现率的控制》，《统计年鉴》，1165-1188（2001）·Zbl 1041.62061号 ·doi:10.1214/aos/1013699998 [4] 伯恩鲍姆，A。；Nadler，B.，《高维稀疏协方差估计：最大对角项和最大相关系数的准确阈值》（2012年） [5] Braak，H。；Braak，E.，阿尔茨海默病相关变化的神经病理分期，《神经病理学报》，82，4，239-259（1991） [6] 布里尔，M.R。；戈登，B。；弗里德里希森，K。；麦卡锡，J。；斯特恩，A。；Christensen，J。；欧文，C。；Aldea，P。；苏，Y。；哈森斯塔布，J。；新泽西州凯恩斯。；Holtzman，D.M。；Fagan，A.M。；莫里斯，J.C。；Benginger，T.L.S。；Ances，B.M.，Tau and a imaging，csf measures，and knowledge in alzheimer’s disease，Science Translational Medicine，8，338，338ra66-338ra66（2016）·doi:10.1126/scitranslmed.aaf2362 [7] 蔡，T。；Cai，T.T。；Zhang，A.，《结构化矩阵补全及其在基因组数据集成中的应用》，美国统计协会杂志，111621-633（2016）·doi:10.1080/01621459.2015.1021005 [8] Cai，T.T。；Liu，W.，相关性的大尺度多重检验，美国统计协会杂志，111，513，229-240（2016）·doi:10.1080/01621459.2014.999157 [9] Cai，T.T。；刘伟。；Xia，Y.，双样本协方差矩阵测试和支持高维和稀疏设置中的恢复，J.Amer。统计师。协会，108，501，265-277（2013）·Zbl 06158341号 ·doi:10.1080/016214592012.758041 [10] Cai，T.T。；Zhang，A.，高维微分相关矩阵的推断，多元分析杂志，143107-126（2016）·Zbl 1328.62328号 ·doi:10.1016/j.jmva.2015.08.019 [11] 陈，M。；高，C。；任，Z。；Zhou，H.，Sparse cca via precision adjusted迭代阈值法，arXiv（2013）·Zbl 1432.62161号 [12] Chien，D。；Szardenings，A。；Bahri，S。；沃尔什，J。；Mu，F。；夏，C。；Shankle，W。；勒纳，A。；苏，M。；Elizarov，A。；Kolb，H.，新型phf-tau放射性配体的早期临床pet成像结果[f18]-t808（2014） [13] Efron，B.，相关性和大规模同时显著性检验，美国统计协会杂志，102，477，93-103（2007）·Zbl 1284.62340号 ·doi:10.1198/0162145000001211 [14] Fornito，A。；Zalesky，A。；Breakspear，M.，《人类连接体的图形分析：前景、进展和陷阱》，《神经影像》，80，426-444（2013）·doi:10.1016/j.neuroimage.2013.04.087 [15] Hall，P.，关于上确界的收敛速度，Probab。理论相关领域，89，4，447-455（1991）·兹比尔0725.60024 ·doi:10.1007/BF0119788 [16] 约翰逊，K.A。；A.舒尔茨。；Betensky，R.A。；贝克尔，J.A。；塞普尔克雷，J。；伦茨，D。；Mormino，E。；查特瓦尔，J。；Amariglio，R。；Papp，K。；马歇尔·G。；阿尔伯斯，M。；Mauro，S。；佩平，L。；Alverio，J。；法官K。；爱神，M。；Shoup，T。；Yokell，D。；Dickerson，B。；戈梅兹·伊斯拉，T。；海曼，B。；Vasdev，N。；Sperling，R.，Tau正电子发射断层成像在衰老和早期阿尔茨海默病中的应用，《神经病学年鉴》，79，1，110-119（2016）·doi:10.1002/ana.24546 [17] Kang，J。；F.D.鲍曼。；Mayberg，H。；Liu，H.，通过多属性典型相关图发现的功能连接区域的抑郁网络，NeuroImage，141，431-441（2016）·doi:10.1016/j.neuroimage.2016.06.042 [18] Li，J.等人。；Chen，S.X.，高维协方差矩阵的两个样本检验，《统计年鉴》，40，2908-940（2012）·Zbl 1274.62383号 ·doi:10.1214/12-AOS993 [19] 李，Q。；王，S。；黄，C.-C。；Yu，M。；Shao，J.，基于Meta分析的基因表达数据变量选择，生物统计学，70，4，872-880（2014）·Zbl 1393.62077号 ·doi:10.1111/biom.12113 [20] 林，J.-A。；朱，H。；Mihye，A。；Sun，W。；Ibrahim，J.G.，成像遗传学研究中候选遗传图谱的功能混合效应模型，遗传流行病学，38，8，680-691（2014）·doi:10.1002/gepi.21854 [21] 刘杰。；Huang，J。；Zhang，Y。；兰，Q。；北罗斯曼。；郑，T。；Ma，S.，多种癌症亚型预后数据的综合分析，生物计量学，70，3480-488（2014）·Zbl 1299.62128号 ·doi:10.1111/biom.12177 [22] 刘伟，带错误发现率控制的高斯图形模型估计，Ann.Statist。，41, 6, 2948-2978 (2013) ·Zbl 1288.62094号 ·doi:10.1214/13-AOS1169 [23] 刘，W.-D。；林，Z。；Shao，Q-M，高维独立性新检验的渐近分布和berry-esseen界及其在随机优化中的应用，Ann.Appl。概率。，18, 6, 2337-2366 (2008) ·Zbl 1154.60021号 ·doi:10.1214/08-AAP527 [24] 洛克哈特，S.N。；Schöll，M。；贝克，S.L。；北阿亚克塔。；斯温纳顿，K.N。；贝尔·R·K。；梅林格，T.J。；沙阿，V.D。；奥尼尔，J.P。；Janabi，M。；Jagust，W.J.，淀粉样蛋白和tau PET在正常老年人中显示出区域特异性关联，NeuroImage，150，191-199（2017）·doi:10.1016/j.neuroimage.2017.02.051 [25] 洛根，J。；福勒，J.S。；新墨西哥州沃尔科。；王国杰。；丁永生。；Alexoff，D.L.，《从宠物数据的图形分析中不进行血液取样的分布体积比》，《脑血流与代谢杂志》，16，5，834-840（1996）·doi:10.1097/00004647-199609000-00008 [26] Nathoo，F.S。；Kong，L。；Zhu，H.，高维微分相关矩阵的推断，arXiv（2017） [27] Ossenkoppele，R。；Schonhaut，D.R。；Schll，M。；洛克哈特，S.N。；北阿亚克塔。；贝克，S.L。；奥尼尔，J.P。；詹纳比，M。；拉扎里斯，A。；坎特韦尔，A。；沃格尔，J。；桑托斯，M。；Miller，Z.A。；贝彻，B.M。；Vossel，K.A。；Kramer，J.H。；Gorno-Tempini，M.L。；米勒，B.L。；Jagust，W.J。；Rabinovic，G.D.，Tau宠物图案反映了阿尔茨海默病的临床和神经解剖变异性，Brain，139，5，1551（2016）·doi:10.1093/brain/aww027 [28] 理查森，S。；曾国藩。；Sun，W.，《综合基因组学中的统计方法》，《统计及其应用年鉴》，3，181-209（2016）·doi:10.1146/annurev-statistics-041715-033506 [29] Schöll，M。；洛克哈特，S。；Schonhaut，D。；奥尼尔，J。；Janabi，M。；Ossenkoppele，R。；贝克，S。；沃格尔，J。；Faria，J。；施维默，H。；拉比诺维奇，G。；Jagust，W.，老龄人脑中τ沉积的PET成像，神经元，89，5，971-982（2016）·doi:10.1016/j.neuron.2016.01.028 [30] Schott，J.R.，当维数相对于样本量较大时协方差矩阵相等性的检验，计算统计与数据分析，51，12，6535-6542（2007）·Zbl 1445.62121号 ·doi:10.1016/j.csda.2007.03.004 [31] 施瓦兹，A.J。；余，P。；米勒，B.B。；Shcherbinin，S。；Dickson，J。；纳维茨基，M。；Joshi，医学博士。；Devous，高级医学博士；Mintun，M.S.，候选tau-pet配体18f-av-1451的区域分布概述了braak组织病理学阶段的关键特征，Brain，139，511539（2016）·doi:10.1093/brain/aww023 [32] 塞普尔克雷，J。；舒尔茨，A.P。；Sabunci，M。；戈梅兹·伊斯拉，T。；查特瓦尔，J。；贝克尔，A。；斯珀林，R。；Johnson，K.A.，《衰老大脑中的体内tau、淀粉样蛋白和灰质特征》，《神经科学杂志》，36，28，7364-7374（2016）·doi:10.1523/JNEUROSCI.0639-16.2016 [33] 沈，R。；王，S。；莫强，多组学数据集的稀疏综合聚类，《应用年鉴》。统计，7，1，269-294（2013）·Zbl 1454.62398号 ·doi:10.1214/12-AOAS578 [34] 辛格，M。；Kim，S。；Kim，T.-S，人类对视觉刺激频率的反应中bold-fmri和eeg信号变化之间的相关性，医学中的磁共振，49，1，108-114（2003）·doi:10.1002/mrm.10335 [35] S.D.史密斯。；福克斯，P.T。；米勒，K。；Glahn，D。；福克斯，P。；Mackay，C.E。；菲利皮尼，N。；Watkins，K.E。；托罗·R。；莱尔德，A。；贝克曼，C.F.，《大脑的对应关系》；激活和休息期间的功能架构，美国国家科学院学报，10613040-5（2009）·doi:10.1073/pnas.0905267106 [36] Sun，W。；Cai，T.，《依赖性下的大尺度多重检验》，《皇家统计学会杂志：B辑（统计方法）》，71，2，393-424（2009）·Zbl 1248.62005号 ·doi:10.1111/j.1467-9868.2008.00694.x [37] Sun，W。；Reich，B.J。；Tony Cai，T。；Guindani，M。；Schwartzman，A.，《大规模空间多重测试中的错误发现控制》，《皇家统计学会杂志：B辑（统计方法）》，77，1，59-83（2015）·Zbl 1414.62043号 ·doi:10.1111/rssb.12064 [38] 北卡罗来纳州佐里奥·马泽尔。；兰多，B。；Papathanassiou，D。；克里维略，F。；O.Etard。；Delcroix，N。；马佐耶，B。；Joliot，M.，使用MNI MRI单受试者大脑的宏观解剖分割对SPM激活进行自动解剖标记，NeuroImage，15，1，273-289（2002）·doi:10.1006/nimg.2001.0978 [39] K.乌卢达格。；Roebroeck，A.，《多模态神经影像数据融合优点概述》，NeuroImage，102，第1部分，3-10（2014）·doi:10.1016/j.neuroimage.2014.05.018 [40] Witten，D.M。；Tibshirani，R。；Hastie，T.，惩罚矩阵分解，应用于稀疏主成分和规范相关性分析，生物统计学，10，3515-534（2009）·Zbl 1437.62658号 ·doi:10.1093/biostatistics/kxp008 [41] Xia，Y.，《利用错误发现率控制测试和支持多个高维协方差矩阵的恢复》，Test（2017）·Zbl 06833599号 ·doi:10.1007/s11749-017-0533-7 [42] 夏，Y。；蔡，T。；Cai，T.T.，测试差异网络及其在基因-基因相互作用检测中的应用，Biometrika，102247-266（2015）·兹比尔1452.62392 ·doi:10.1093/biomet/asu074 [43] 夏，Y。；蔡，T。；Cai，T.T.，精密矩阵的子矩阵多重测试及其在路径间相互作用识别中的应用，美国统计协会杂志，113，521，328-339（2018）·Zbl 1398.62202号 ·doi:10.1080/01621459.2016.1251930 [44] 夏，Y。；Li，L.，矩阵图模型的假设检验及其在大脑连通性分析中的应用，生物统计学，接受（2017）·Zbl 1522.62263号 ·doi:10.1111/biom.12633 [45] 谢军。；Kang，J.，《大脑解剖区域功能网络的高维测试》，《多元分析杂志》，156，附录C，70-88（2017）·Zbl 1437.62661号 ·doi:10.1016/j.jmva.2017.01.011 [46] Yeo，B.T。；Krienen，F.M。；塞普尔克雷，J。；Sabuncu，M.R。；拉什卡里，D。；霍林斯黑德，M。；Roffman，J.L。；斯莫勒，J.W。；Zllei，L。；Polimeni，J.R。；费希尔，B。；刘，H。；Buckner，R.L.，《通过内在功能连接评估人类大脑皮层的组织》，《神经生理学杂志》，106，3，1125-1165（2011）·doi:10.1152/jn.00338.2011 [47] 张，D。；王，Y。；周，L。；袁，H。；沈，D。；阿尔茨海默病神经成像倡议，阿尔茨海默氏病和轻度认知障碍的多模式分类，神经成像，55，3，856-867（2011）·doi:10.1016/j.neuroimage.2011.01.008 [48] 朱，D。；张，T。；蒋，X。；胡，X。；陈，H。；Yang，N。；吕杰。；Han，J。；郭，L。；Liu，T.，Fusing dti和fmri数据：方法和应用调查，NeuroImage，102，184-191（2014）·doi:10.1016/j.neuroimage.2013.09.071 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。