文献

J-GLOBAL ID：201702263962541840   整理番号：17A1715016

機能的連結性ネットワークに関する統計的推論のための分散成分モデル【Powered by NICT】

A variance components model for statistical inference on functional connectivity networks

著者 (4件)： Fiecas Mark (Division of Biostatistics, University of Minnesota, Minneapolis, MN 55455, USA) ,  Cribben Ivor (Department of Finance and Statistical Analysis, Alberta School of Business, University of Alberta, Edmonton, AB, Canada T6G 2R6) ,  Bahktiari Reyhaneh (Department of Communication Sciences and Disorders, Faculty of Rehabilitation Medicine and Neuroscience and Mental Health Institute, University of Alberta, Edmonton, AB, Canada T6G 2G4) ,  Cummine Jacqueline (Department of Communication Sciences and Disorders, Faculty of Rehabilitation Medicine and Neuroscience and Mental Health Institute, University of Alberta, Edmonton, AB, Canada T6G 2G4)
資料名： NeuroImage  (NeuroImage)
巻： 149  ページ： 256-266  発行年： 2017年 
JST資料番号： W3139A  ISSN： 1053-8119  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機能的磁気共鳴イメージング(fMRI)時系列データに固有の時間的自己相関と研究の被験者の間の不均一性を説明する直接機能的連結性ネットワークに関する統計的推論を行うために分散成分線形モデル化フレームワークを提案した。新しい方法ノンパラメトリックと被験者特異的に自己相関構造を推定し,反復最小二乗を用いて不均一性による変動を推定した。読みプロセスに関連していることを休止状態ネットワークを特性化するために,典型的なと読書障害両方の若年成人における機能的連結性ネットワークを比較するために安静時f MRI研究に対する新しいモデルを適用した。さらに模擬データを用いて,被験者にわたって時間的自己相関または不均一性を考慮していないことを機能的結合ネットワーク上の統計的推論の他の方法とこのモデルの性能を比較し,統計的推論のためのより強力な試験の変動と共変動結果のこれらの発生源を考慮してことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *連結性 ,  *ネットワーク ,  *統計的推定 ,  ノンパラメトリック法 ,  不均一性 ,  最小二乗法 ,  キャラクタリゼーション ,  自己相関 ,  *モデル
準シソーラス用語： 発生源 ,  失読症 ,  線形モデル ,  被験者 ,  時系列データ ,  *分散成分 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機能的連結性ネットワーク ,  時間的自己相関 ,  主題不均一性 ,  安静時f MRI ,  失読症

分類 (2件)： 筋骨格系・皮膚モデル  (EL02040R) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (4件)： 連結性 ,  統計的推論 ,  分散成分 ,  モデル