×
马丁·贝泽纳；约翰·休斯；加林·琼斯
[普拉多；拉奎尔；佩尔·西登；马蒂亚斯·维拉尼；玛丽娜·万努奇；郑焕国；海因，马克斯；罗纳德·詹森。；雷扎·穆罕默德；D.安德鲁·布朗；拉扎尔，妮可·A。；弗朗西丝卡·加斯佩罗尼；亚历山德拉·卢阿蒂]

使用分层空间先验的贝叶斯时空建模，在功能磁共振成像中的应用（带讨论）。 （英语） Zbl 1407.62072号

贝叶斯分析。 13，第4期，1261-1313（2018）.
摘要：我们提出了一个时空贝叶斯变量选择模型，用于检测功能磁共振成像（fMRI）设置中的激活。根据该领域的最新研究，我们使用二进制指示符变量对活动体素进行分类。我们假设可以通过将区域模型应用于体素块来适应图像中的空间相关性。使用分割和空间层次先验（而不是流行的伊辛先验）可以得到便于使用高效马尔可夫链蒙特卡罗（MCMC）算法进行探索的后验分布。我们通过将该方法应用于模拟数据和fMRI数据集来研究该方法的特性。

引用于6文件

MSC公司：

2015年1月62日 贝叶斯推断
62M40型 随机字段；图像分析
第62页，第35页 统计学在物理学中的应用

关键词：

贝叶斯变量选择；功能磁共振成像；MCMC公司；时空的；面积模型

软件：

spBayes公司；FMRISTAT公司；PMTK公司；麦克马克塞
PDF格式BibTeX公司 XML格式引用
\textit{M.Bezener}等人，《贝叶斯分析》。13，第4号，1261--1313（2018；Zbl 1407.62072）
全文： 内政部 欧几里得

参考文献：

[1] Banerjee，S.、Carlin，B.P.和Gelfand，A.E.（2003）。空间数据的分层建模与分析。纽约：查普曼和霍尔/CRC，第1版·Zbl 1358.62009号
[2] Bezener，M.、Hughes，J.和Jones，G.（2018年）。“使用层次空间先验的贝叶斯时空建模及其在功能磁共振成像中的应用”补充材料贝叶斯分析。
[3] Blei，D.M.、Kucukelbir，A.和McAuliffe，J.D.（2017年）。《变分推理：统计学家评论》，《美国统计协会杂志》，112:859-877·doi:10.1080/01621459.2017.1285773
[4] Bowman，F.D.（2014）。《脑成像分析》，《统计学及其应用年度评论》，1:61-85。
[5] Bowman，F.D.、Caffo，B.、Bassett，S.S.和Kilts，C.（2007年）。“功能磁共振成像数据空间建模的贝叶斯层次框架”，《神经影像》，39:146-156。
[6] Cipra，B.（1987年）。《伊辛模型简介》，《美国数学月刊》，94:937-959。
[7] Cressie，N.A.（1993年）。空间数据统计。纽约：Wiley Interscience，修订版·Zbl 1347.62005年
[8] Essen，D.C.V.、Smith，S.M.、Barch，D.M.、Behrens，T.E.、Yavoub，E.和Ugumbil，K.（2013年）。“WU-Minn人类连接体项目：概述”，《神经影像》，62-79。
[9] Flegal，J.M.、Haran，M.和Jones，G.L.（2008）。“马尔可夫链蒙特卡罗：我们能相信第三个重要数字吗？”《统计科学》，23:250-260·Zbl 1327.62017年 ·doi:10.1214/08-STS257
[10] Flegal，J.M.、Hughes，J.、Vats，D.和Dai，N.（2017年）。mcmcse：MCMC的蒙特卡罗标准误差。加利福尼亚州河滨市、科罗拉多州丹佛市、英国考文垂市和明尼苏达州明尼阿波利斯市1.3–2版软件包。
[11] Friston，K.J.、Ashburner，J.T.、Kiebel，S.J.、Nichols，T.E.和Penny，W.D.（2007）。统计参数映射：脑功能图像分析。伦敦：学术出版社。
[12] Friston，K.J.、Holmes，A.、Worsley，K.J、Polin，J.B.、Frith，C.和Frackowik，R.（1995）。“功能成像中的统计参数图：一般线性方法”，《人脑成像》，2:189-210。
[13] Friston，K.J.、Worsley，K.、Frackowiak，R.、Mazziotta，J.和Evans，A.（1994）。“利用空间范围评估局部激活的重要性”，《人脑绘图》，1:210–220。
[14] Genovese，C.R.（2000年）。“功能磁共振成像数据的贝叶斯时间-过程模型”，《美国统计协会杂志》，95:691-703。
[15] George，E.I.和McCulloch，R.E.（1993）。“通过吉布斯抽样进行变量选择”，《美国统计协会杂志》，88:881–889。
[16] George，E.I.和McCulloch，R.E.（1997）。“贝叶斯变量选择方法”，《中国统计》，7:339-373·Zbl 0884.62031号
[17] Gössel，C.、Auer，D.和Fahrmeir，L.（2001）。“功能磁共振成像中的贝叶斯时空推断”，《生物统计学》，57:554-562·Zbl 1209.62032号 ·doi:10.1111/j.0006-341X.2001.00554.x
[18] Haran，M.（2011）。“空间数据的高斯随机场模型”，摘自Brooks，S.P.、Gelman，A.E.、Jones，G.L.和Meng，X.L.（编辑），《马尔可夫链蒙特卡罗手册》，449–478。伦敦：查普曼和霍尔/CRC·Zbl 1416.62546号
[19] 哈里里·A·R、马泰·V·S、泰西托·A、科拉查纳·B、费拉·F、戈德曼·D、伊根·M·F和温伯格·D·R（2002）。《血清素转运蛋白遗传变异与人类杏仁核的反应》，《科学》，297:400-4003。
[20] Huettel，S.A.、Somng，A.W.和McCarthy，G.（2009年）。功能磁共振成像。马萨诸塞州桑德兰：Sinauer Associates。
[21] Jones，G.L.、Haran，M.、Caffo，B.S.和Neath，R.（2006）。“马尔可夫链蒙特卡罗的固定宽度输出分析”，《美国统计协会杂志》，101:1537-1547·Zbl 1171.62316号 ·doi:10.1198/016214500000492
[22] Käll，L.、Storey，J.D.、MacCoss，M.J.和Noble，W.S.（2008）。“后验错误概率和错误发现率：同一硬币的两面”，《蛋白质组研究杂志》，7:40-44。
[23] Kaushik，K.、Karesh，K.和Suresha，D.（2013年）。“脑功能磁共振成像图像中白质的分割”，《国际计算机工程与技术高级研究杂志》，2:1314-1317。
[24] Landman，B.A.、Yang，X.和Kang，H.（2012）。“我们真的需要大脑MRI的稳健和替代推理方法吗？”Yap，P.，Liu，T.，Shen，D.和Westin，C.（编辑），MBIA 2012:多模态大脑图像分析，计算机科学讲义第7509卷，77-93。柏林：斯普林格。
[25] Lazar，N.A.（2008年）。功能磁共振成像数据的统计分析。纽约：斯普林格·Zbl 1312.62004号
[26] Lee，K.-J.、Jones，G.L.、Caffo，B.S.和Bassett，S.S.（2014）。“功能磁共振成像时间序列数据的空间贝叶斯变量选择模型”，贝叶斯分析，9:699-732·Zbl 1327.62507号 ·doi:10.1214/14-BA873
[27] Lindquist，M.A.（2008年）。“功能磁共振成像数据的统计分析”，《统计科学》，23:439-464·Zbl 1329.62296号 ·doi:10.1214/09-STS282
[28] Locascio，J.、Jennings，P.J.、Moore，C.I.和Corkin，S.（1997年）。“用于功能性磁脑成像研究的时域时间序列分析和重采样方法”，《人脑绘图》，168-193年。
[29] Makni，S.、Idier，J.、Vincent，T.、Thirion，B.、Dehaene-Lambertz，G.和Ciuciu，P.（2008）。“全贝叶斯方法在功能磁共振成像中对大脑活动的基于部分的检测估计”，《神经影像》，41:941-969。
[30] Mikl，M.、Mareček，R.、Hluštík，P.、Pavlicová，M.，Drastich，A.、Chlebus，P.，Brázdil，M..和Krupa，P.（2008）。“空间平滑对fMRI组推断的影响”，《磁共振成像》，26:490-503。
[31] Monti，M.M.（2011）。“fMRI时间序列的统计分析：GLM方法的评论”，《人类神经科学前沿》，5。
[32] Morris，R.、Descombes，X.和Zerubia，J.（1996）。“Ising/Potts模型不太适合分割任务。”《数字信号处理研讨会论文集》，263-265。电气与电子工程师协会。
[33] Murphy，K.P.（2012）。机器学习：概率的观点。剑桥：麻省理工学院出版社·Zbl 1295.68003号
[34] Musgrove，D.R.、Hughes，J.和Eberly，L.E.（2016）。“fMRI数据的快速、完全贝叶斯时空推断”，《生物统计学》，17:291–303。
[35] Penny，W.、Kiebel，S.和Friston，K.（2003年）。“fMRI时间序列的变分贝叶斯推断”，《神经影像》，19:727-741。
[36] Penny，W.D.、Trujillo-Barreto，N.J.和Friston，K.J.（2005）。“具有空间先验的贝叶斯fMRI时间序列分析”，《神经影像》，24:350-362。
[37] Quirós，A.、Diez，R.M.和Wilson，s.P.（2010年）。“使用传递函数的fMRI数据的贝叶斯时空模型”，《神经影像》，52:9995-1004。
[38] Raftery，A.（1996年）。“假设检验和模型选择”，摘自Gilks，W.、Spiegelhalter，D.和Richardson，S.（编辑），《马尔可夫链蒙特卡罗实践》。伦敦：查普曼和霍尔·Zbl 0841.62019号
[39] 史密斯，D.和史密斯，M.（2006）。“使用马尔可夫链蒙特卡罗估计二元马尔可夫随机场”，《计算与图形统计杂志》，15:207–227。
[40] Smith，M.和Fahrmeir，L.（2007）。“空间贝叶斯变量选择在功能磁共振成像中的应用”，《美国统计协会杂志》，102:417-431·Zbl 1134.62322号 ·doi:10.1198/016214500000031
[41] Smith，M.和Kohn，R.（1996年）。“使用贝叶斯变量选择的非参数回归”，计量经济学，75:317-343·Zbl 0864.62025号 ·doi:10.1016/0304-4076（95）01763-1
[42] Smith，M.、Pütz，B.、Auer，D.和Fahrmeir，L.（2003）。“通过空间贝叶斯变量选择评估大脑活动”，《神经影像》，20。
[43] Storey，J.D.（2003）。“阳性错误发现率：贝叶斯解释和（q）值”，《统计年鉴》，31:2013-2035·Zbl 1042.62026 ·doi:10.1214/aos/1074290335
[44] Triantafylou，C.、Hoge，R.和Wald，L.（2006）。“高分辨率fMRI中空间平滑对生理噪声的影响”，《神经影像》，32:551-557。
[45] Vats，D.、Flegal，J.M.和Jones，G.L.（2016）。《马尔可夫链蒙特卡罗的多元输出分析》，预印本arXiv:1512.07713。
[46] Woolrich，M.W.、Jenkinson，M.、Brady，J.M.和Smith，S.M.（2004）。“fMRI数据的完全贝叶斯时空建模”，IEEE医学成像汇刊，23:213-231。
[47] Worsley，K.（2003）。“检测功能磁共振成像数据中的激活”，《医学研究的统计方法》，12:401-418·Zbl 1121.62678号 ·doi:10.1191/0962280203sm340ra
[48] Worsley，K.、Marrett，S.、Neelin，P.和Evans，A.（1992年）。“人脑CBF激活研究的三维统计分析”，《脑血流与代谢杂志》，12:900-918。
[49] Worsley，K.J.、Liao，C.H.、Aston，J.、Petre，V.、Duncan，G.H.、Morales，F.和Evans，A.C.（2002）。“功能磁共振成像数据的一般统计分析”，《神经影像》，15:1-15。
[50] Xia，J.、Liang，F.和Wang，Y.M.（2009a）。“基于空间先验的贝叶斯变量选择的FMRI分析”，第六届IEEE国际生物医学成像研讨会论文集，714-717。电气与电子工程师协会。
[51] Xia，J.、Liang，F.和Wang，Y.M.（2009b）。“通过具有空间先验的贝叶斯变量选择进行fMRI分析”，IEEE Int.Symp。生物医学成像（ISBI），714-717。
[52] Zellner，A.（1996）。“关于评估先验分布和使用（g）-先验分布的贝叶斯回归分析”，《贝叶斯推断和决策技术：布鲁诺·德·菲内蒂·北霍兰德/埃尔塞维尔的论文》，233-243·Zbl 0655.62071号
[53] Zhang，L.、Guindani，M.和Vannucci，M.（2015）。“功能磁共振成像数据分析的贝叶斯模型”，《WIRE计算统计》，7:21–41。
[54] Zhang，L.、Guindani，M.、Versace，F.、Engelmann，J.M.和Vannucci，M.（2016）。“多学科fMRI数据的时空非参数贝叶斯变量选择模型”，《应用统计学年鉴》，10:638-666·Zbl 1400.62299号 ·doi:10.1214/16-AOAS926
[55] Zhang，L.、Guindani，M.、Versace，F.和Vannucci，M.（2014）。“用于聚类相关时间进程的fMRI数据的时空非参数贝叶斯变量选择模型”，《神经影像》，95:162-175。
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。