FEMA:大規模サンプル全脳イメージングデータのための高速で効率的な混合効果アルゴリズム【JST・京大機械翻訳】

Parekh, P.; Fan, C. C.; Frei, O.; Palmer, C. E.; Smith, D. M.; Makowski, C.; Iverson, J. R.; Pecheva, D.; Holland, D.; Loughnan, R.; Nedelec, P.; Thompson, W. K.; Hagler, D. J.; Andreassen, O. A.; Jernigan, T. L.; Nichols, T. E.; Dale, A. M.

プレプリント

J-GLOBAL ID：202202207858468173 整理番号：21P0270995

FEMA:大規模サンプル全脳イメージングデータのための高速で効率的な混合効果アルゴリズム【JST・京大機械翻訳】

FEMA: Fast and efficient mixed-effects algorithm for large sample whole-brain imaging data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (17件)： , , , , , , , , , , , , , , , ,
資料名：
発行年： 2023年12月08日プレプリントサーバーでの情報更新日： 2023年12月08日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

線形混合効果モデル(LME)は,観察間の依存性を説明する多目的アプローチである。複雑な設計による多くの大規模神経画像データセットは,LMEの必要性を増加させたが,LMEは,その重い計算要求のため,全脳画像分析ではほとんど使用されていない。本論文では,全脳頂点-ワイズ,ボクセル-ワイズ,およびコネーム-ワイドLME解析を大規模サンプルで可能にする高速かつ効率的な混合効果アルゴリズム(FEMA)を導入した。広範囲のシミュレーションでFEMAを検証し,固定効果の推定が標準最尤推定と等価であるが,計算速度において大きさ改善の次数で得られることを示した。著者らは,思春期脳認知発達SM研究放出4.0からの縦画像データを使用して,静止状態機能的MRIから誘導されるコネクトーム全体の機能的連結性値と同様に,地域間レベルおよび頂点方向皮質厚さに対する年齢の横断的および長期的影響を研究することによって,FEMAの適用性を実証した。著者らの分析は,初期思春期における頂点ワイズ皮質厚さとコネームワイド連結性値の年間変化に対する明確な空間パターンを明らかにし,脳成熟の臨界時間を強調した。実データに対するシミュレーションと応用は,FEMAが,高速かつ効率的な方法で,反復測度と家族構造を含む複雑な研究設計を考慮しながら,多数の神経画像計量と関心変数間の関係の高度な調査を可能にすることを示した。FEMAのためのソースコードは,https://github.com/cmig research group/cmig_tools/によって利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 医用画像処理

, , , , ,

前のページに戻る