Dragana M.巴甫洛维奇。;布赖恩·纪尧姆（Bryan R.L.Guillaume）。;索鲁什·阿夫尤尼;托马斯·尼科尔斯。 具有混合效应的多主体随机块模型，用于人脑网络簇结构中个体差异的自适应分析。 （英语） Zbl 07778434号 内尔统计局。 74，第3期，363-396（2020年）. 摘要：最近，人们对随机块模型（SBM）及其在多主体脑网络中的应用重新产生了兴趣。在我们最近的工作中，我们考虑了经典SBM的一个扩展，称为异质SBM（Het-SBM），该模型通过在每个区块的水平上添加带有主题特定协变量的逻辑回归模型，对集群关联性剖面中的主题变异性进行建模。尽管该模型已被证明在多主体脑网络数据的聚类和推理方面都很有用，包括充实了患者和对照组之间连接的差异，但它并没有考虑到主体内部可能存在的依赖性。为了克服这一局限性，我们提出了Het-SBM的扩展，称为Het-Mixed-SBM，其中我们通过在嵌入式逻辑回归模型中添加主题级和块级随机截取来建模主题内依赖。利用合成数据，我们研究了由我们提出的模型估计的分区的准确性以及基于Wald和置换测试的推理过程的有效性。最后，我们通过分析人类连接体项目（HCP）中99名健康志愿者的静止状态fMRI网络来说明模型，使用年龄、性别和智商等协变量来解释数据中观察到的聚类模式。{©2020作者。Neerlandica统计由John Wiley&Sons Ltd代表VVS出版。} MSC公司： 05Cxx号 图论 62Fxx公司 参数化推理 62华夏 多元分析 关键词：社区检测;综合分类似然准则;混合效应;混合物模型;多学科网络分析;网络推理;置换试验;随机块体模型;随机块模型;变分;沃尔德试验 软件：大脑连接工具箱;R（右） PDF格式BibTeX公司 XML格式引用 \textit{D.M.Pavlović}等人，Stat.Neerl。74，第3号，363--396（2020；Zbl 07778434） 全文： 内政部 OA许可证 参考文献： [1] Achard，S.、Salvador，R.、Whitcher，B.、Suckling，J.和Bullmore，E.（2006年）。一个有弹性、低频率、小世界的人脑功能网络，具有高度连接的关联皮层中枢。《神经科学杂志》，26（1），63-72。 [2] Afyouni，S.和Nichols，T.E.（2018年）。DVARS的洞察力和推理。神经影像学，172291-312。 [3] Afyouni，S.、Smith，S.M.和Nichols，T.E.（2019年）。自相关下皮尔逊相关系数的有效自由度。神经影像，199，609-625。 [4] 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，1981-2014年9月·Zbl 1225.68143号 [5] Ambroise，C.和Matias，C.（2012）。随机图混合模型的新的一致和渐近正态参数估计。英国皇家统计学会杂志：B辑（统计方法），74（1），3-35·Zbl 1411.62051号 [6] Bassett，D.S.和Bullmore，E.T.（2009年）。健康与疾病中的人脑网络。《神经病学当前观点》，22（4），340。 [7] Benjamini，Y.和Yekutieli，D.（2001）。依赖下多重测试中错误发现率的控制。《统计年鉴》，第29期，第1165-1188页·Zbl 1041.62061号 [8] Bickel，P.、Choi，D.、Chang，X.和Zhang，H.（2013）。随机块模型最大似然的渐近正态性及其变分逼近。《统计年鉴》，41（4），1922-1943年·Zbl 1292.62042号 [9] Biernacki，C.，Celeux，G.，Govaert，G.（2000年）。用综合完全似然法评估用于聚类的混合模型。IEEE模式分析和机器智能汇刊，22（7），719-725。 [10] Bullmore，E.和Sporns，O.（2009年）。复杂脑网络：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] Choi，D.S.、Wolfe，P.J.和Airoldi，E.M.（2012年）。具有越来越多类的随机块模型。《生物特征》，99（2），273-284·Zbl 1318.62207号 [12] Cóme，E.，&Latouche，P.（2015）。基于精确集成完全数据似然的随机块模型中的模型选择和聚类。统计建模，15（6），564-589·Zbl 07259003号 [13] Daudin，J.J.、Picard，F.和Robin，S.（2008）。随机图的混合模型。统计学与计算，18（2），173-183。 [14] Demidenko，E.（2004）。混合模型：理论与应用概率统计中的威利级数（）。新泽西州霍博肯：威利·Zbl 1055.62086号 [15] Dosenbach，N.U.，Nardos，B.，Cohen，A.L.，Fair，D.A.，Power，J.D.，Church，J.A.，…Barnes，K.A.（2010）。使用fMRI预测个体大脑成熟度。科学，329（5997），1358-1361。 [16] Dubois，J.、Galdi，P.、Paul，L.K.和Adolphs，R.（2018年）。分布式大脑网络根据静息状态的人类神经成像数据预测一般智力。《皇家学会哲学学报B：生物科学》，373（1756），20170284。 [17] Firth，D.（1993年）。最大似然估计的偏差减少。《生物特征》，80（1），27-38·Zbl 0769.62021号 [18] Fornito，A.、Zalesky，A.和Bullmore，E.（2016）。脑网络分析基础。马萨诸塞州剑桥：学术出版社。 [19] Gao，C.，Lu，Y.，&Zhou，H.H.（2015）。速率最优图形估计。《统计年鉴》，43（6），2624-2652·Zbl 1332.60050号 [20] 好，P.（2000）。排列测试。纽约州纽约市：斯普林格·Zbl 0942.62049号 [21] Hilgetag，C.C.、Burns，G.A.、O'Neill，M.A.、Scannell，J.W.和Young，M.P.（2000）。解剖连通性定义了猕猴和猫皮层区域簇的组织。伦敦皇家学会哲学学报B：生物科学，355（1393），91-110。 [22] Hinne，M.、Ekman，M.，Janssen，R.J.、Heskes，T.和vanGerven，M.A.（2015）。人类连接体的概率聚类确定了社区和枢纽。《公共科学图书馆·综合》，10（1），e0117179。 [23] 霍尔姆，S.（1979年）。一个简单的顺序拒绝多重测试程序。《斯堪的纳维亚统计杂志》，6（2），65-70·Zbl 0402.62058号 [24] Hubert，L.和Arabie，P.（1985）。比较分区。分类杂志，2（1），193-218。 [25] Latouche，P.、Birmele，E.和Ambroise，C.（2012年）。随机块模型的变分贝叶斯推理和复杂性控制。统计建模，12（1），93-115·Zbl 1420.62114号 [26] Latouche，P.、Birmelé，E.和Ambroise，C.（2014）。网络的重叠聚类方法。佛罗里达州博卡拉顿：查普曼和霍尔/CRC。 [27] Latouche，P.、Birmelé，E.和Ambroise，C.（2011年）。重叠随机块模型及其在法国政治博客圈中的应用。应用统计年鉴，5（1），309-336·兹比尔1220.62083 [28] Lesaffre，E.和Spiessens，B.（2001年）。关于逻辑随机效应模型中正交点数量的影响：一个例子。英国皇家统计学会杂志：C辑（应用统计学），50（3），325-335·Zbl 1112.62307号 [29] Li，J.，Kong，R.，Liegeois，R.、Orban，C.、Tan，Y.、Sun，N.…Yeo，B.T.（2019）。全局信号回归增强了静息状态功能连通性和行为之间的关联。《神经影像》，196126-141。 [30] Liu，Q.和Pierce，D.A.（1994年）。关于Gauss-Hermite求积的注记。《生物统计学》，81（3），624-629·Zbl 0813.65053号 [31] 卢卡斯，2014年。AMAP：另一个多维分析包。R包版本0.8‐14。检索自https://CRAN.R‐project.org/package=amap [32] Mariadassou，M.、Robin，S.和Vacher，C.（2010年）。揭示有值图的潜在结构：变分方法。应用统计年鉴，4（2），715-742·Zbl 1194.62125号 [33] Matias，C.和Miele，V.（2017年）。通过动态随机块模型对时间网络进行统计聚类。《皇家统计学会杂志：B辑（统计方法）》，79（4），1119-1141·Zbl 1373.62312号 [34] Meunier，D.、Lambiotte，R.、Fornito，A.、Ersche，K.D.和Bullmore，E.T.（2009年）。人脑功能网络中的层次模块化。神经信息学前沿，3，37。doi:10.3389/neuro.11.037.2009。 [35] MoyerD、GutmanB、PrasadG、FaskowitzJ、Ver SteegG和汤普森。2015.连接体分析的模块模型。论文发表于：第十一届国际医学信息处理与分析研讨会论文集（第9681卷，第96810A页）。国际光学与光子学学会。 [36] Murphy，K.和Fox，M.D.（2017年）。关于静息状态功能连接MRI的全球信号回归达成共识。神经影像，154169-173。 [37] Nichols，T.和Hayasaka，S.（2003年）。控制功能神经成像中的家庭错误率：一项比较综述。医学研究中的统计方法，12（5），419-446·兹比尔1121.62645 [38] 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 [39] Olhede，S.C.和Wolfe，P.J.（2014）。网络直方图和块模型近似的通用性。《美国国家科学院院刊》，111（41），14722-14727。 [40] Pan，R.K.、Chatterjee，N.和Sinha，S.（2010年）。介观组织揭示了秀丽隐杆线虫神经系统的制约因素。《公共科学图书馆·综合》，5（2），e9240。 [41] 巴甫洛维奇DM。2015.广义随机块模型及其在大脑网络分析中的应用（博士论文）。 [42] Pavlovic，D.M.、Guillaume，B.L.、Towlson，E.K.、Kuek，N.M.、Afyouni，S.、Vertes，P.E.、Yeo，B.T.T.和Nichols，T.E.（2020年）。用于人脑网络簇结构个体差异自适应分析的多主体随机块模型。神经影像，116611。 [43] Pavlovic，D.M.、Vértes，P.E.、Bullmore，E.T.、Schafer，W.R.和Nichols，T.E.（2014）。秀丽隐杆线虫连接体的模块和核心的随机块建模。《公共科学图书馆·综合》，9（7），e97584。 [44] Picard，F.、Miele，V.、Daudin，J.J.、Cottret，L.和Robin，S.（2009年）。使用MixNet解密生物网络的连接性结构。BMC生物信息学（第10卷（S6），第S17页）。 [45] PiessensR、Doncker‐KapengaD、U berhuberC和KahanerD。1983.QUADPACK：用于自动集成的子程序包。状态：已发布。301便士·Zbl 0508.65005号 [46] 波特·D·M（2005）。小规模和中等规模数据集的逻辑回归推理的置换测试。医学统计学，24（5），693-708。 [47] R核心团队。（2015，检索自）。R： 统计语言和环境。奥地利维也纳：计算机。R统计计算基金会。网址：http://www.R‐项目.org/ [48] R核心团队。（2017年，检索自）。R： 用于统计计算的语言和环境。奥地利维也纳：R统计计算基金会。https://www.R‐项目.org/ [49] Robinson，L.F.、Atlas，L.Y.和Wager，T.D.（2015年）。使用基于状态的动态社区结构的动态功能连接：阿片类镇痛的方法和应用。神经影像，108274-291。 [50] Rubinov，M.和Sporns，O.（2010年）。大脑连接的复杂网络测量：使用和解释。《神经影像》，52（3），1059-1069。 [51] Schwarz，G.（1978年）。估算模型的维度。《统计年鉴》，6（2），461-464·Zbl 0379.62005年 [52] Smith，S.M.、Beckmann，C.F.、Andersson，J.、Auerbach，E.J.、Bijsterbosch，J.和Douaud，G.…Kelly，M.（2013）。人类连接体项目中的静息状态fMRI。神经影像，80，144-168。 [53] Snijders，T.A.B.和Nowicki，K.（1997年）。具有潜在块结构的图的随机块模型的估计和预测。分类杂志，14（1），75-100·Zbl 0896.62063号 [54] Sporns，O.、Chialvo，D.R.、Kaiser，M.和Hilgetag，C.C.（2004）。复杂大脑网络的组织、发展和功能。认知科学趋势，8（9），418-425。 [55] Thomas Yeo，B.，Krienen，F.M.，Sepulcre，J.，Sabuncu，M.R.，Lashkari，D.，Hollinshed，M.，…Fischl，B.（2011）。通过内在功能连通性估计的人类大脑皮层的组织。神经生理学杂志，106（3），1125-1165。 [56] Van Essen，D.C.，Ugurbil，K.，Auerbach，E.，Barch，D.，Behrens，T.，Bucholz，R.，…Della‐Penna，S.（2012）。人类连接体项目：数据采集视角。《神经影像》，62（4），2222-231。 [57] Westfall，P.H.和Young，S.S.（1993年）。基于重采样的多重测试：p值调整的示例和方法（第279卷）。新泽西州霍博肯：John Wiley&Sons。 [58] WolfePJ，OlhedeSC。2013年，非参数图形估计。arXiv预打印arXiv:13095936。 [59] Woolrich，M.W.、Ripley，B.D.、Brady，M.和Smith，S.M.（2001年）。FMRI数据单变量线性建模中的时间自相关。神经影像学，14（6），1370-1386。 [60] Zanghi，H.、Ambroise，C.和Miele，V.（2008）。基于Erdős-Rényi混合的快速在线图聚类。模式识别，41（12），3592-3599·Zbl 1151.68623号 [61] Zanghi，H.、Volant，S.和Ambroise，C.（2010年）。基于嵌入顶点特征的随机图模型聚类。模式识别字母，31（9），830-836。 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。