Jul, 2014

功能性神经影像网络数据的假设检验

PDF
TL;DR本文旨在从几何和高维统计推理的概念和技术入手，通过对图拉普拉斯矩阵空间的精确定义和 Fréchet 的非参数平均概念，为功能神经成像数据的网络构建提供一种新的全局测试方法，并展示了其相较于基于无差别分析的单变量方法更具统计学优势的全局测试方法。此外我们还给出了一种可视化每条边对于总测试统计量的单独贡献的方法。
neuroscience networkstesting hypothesesgraph laplacian matriceshigh-dimensional statistical inferencefunctional neuroimaging data
发现论文，激发创造
  • 基于贝叶斯推断的脑网络群体差异检验

    本文提出了一种贝叶斯方法，以测试不同群体之间神经网络结构的全局和局部差异，从而为人类大脑网络与创造力之间的关系提供了新的见解。

    Nov, 2014

  • 利用网络统计量进行大型随机图的两样本检验

    本文提出了在假设检验中对比 Facebook 和 LinkedIn 上的友谊网络的解决方案，利用网络统计学衡量网络。通过对网络统计学的集中度进行通用表述，揭示了一个自然的对策，实现了一致的双样本测试。本文还证明，对于某些网络统计量，所提出的测试是最小最优的。

    May, 2017

  • 探索使用不精确图匹配技术研究功能性脑网络的遗传性

    提出了一种新的基于图编辑距离的方法，用于比较大脑图并直接反映出相似性及网络元素对应关系，从而更准确地表示个体网络的相似性和变化，并在一个双胞胎数据集上进行了验证。

    Mar, 2017

  • 分析复杂的功能性脑网络：融合统计学和网络科学来理解大脑

    通过结合网络科学和统计方法，将在功能神经影像研究中产生强大的分析工具，以促进我们对大脑功能及不同脑疾病的理解。

    Feb, 2013

  • 基于多元时间序列的网络推断与置信度

    本文描述了一种从多元时间序列数据中推断功能连接网络的基本和系统化过程，旨在解释不确定性网络度量带来的不确定性，并展示了其在模拟数据和人体神经数据中的可靠性。

    Mar, 2009

  • 结合解剖学知识的大脑功能网络集成贝叶斯分析

    通过采用分层贝叶斯高斯图模型，该研究方法能够利用结构连接知识来估计功能网络，从而提高了功能大脑网络估计的准确性和拓扑特征在扫描会话间的可重复性。

    Feb, 2018

  • 训练神经网络中的变异性鲁棒非参数假设检验

    基于网络输出的一个稳健假设检验框架，我们提出了一种新的分类模型之间的相似性度量方法，该方法可以适应经过训练模型的其他衍生量。

    Oct, 2023

  • 几何网络比较

    本文提出一种基于负曲率流形上概率分布的统计方法，用于比较网络和评估网络之间的差异。作者还在模拟网络上进行了实现和测试。

    Nov, 2014

  • 从功能性磁共振时间序列估计时变脑连通网络

    本文介绍了一种基于 Smooth Incremental Graphical Lasso Estimation (SINGLE) 算法的动态脑网络建模方法。通过应用 SINGLE 算法来分析 24 位健康患者进行选择 - 反应任务的功能磁共振成像数据，研究人员展示了伴随着认知任务的动态网络结构变化，特别是右侧额下回皮质区域的动态变化对于认知控制总起着重要作用，并可能在调控其他脑区之间的平衡中扮演关键角色。

    Oct, 2013

  • 网络人群的非参数贝叶斯建模

    探讨了一种基于贝叶斯非参数方法的连接组学模型，通过混合模型降低维度并在每个混合组件中高效地整合网络信息，提高了对网络值随机变量概率质量函数的推断灵活性。

    Jun, 2014