Open betashort opened 4 years ago
機能的MRI(fMRI)データでアクティブなピクセルを検出するための統計的方法が提示されます。 この方法では、各ピクセルで測定されたfMRI時系列は、実験的に制御された活性化ベースラインパターン、関心のない効果を表す迷惑成分、およびガウスホワイトノイズによって生じる応答信号の合計としてモデル化されます。 周期的な活性化ベースラインパターンの場合、応答信号は、既知の基本周波数であるが未知のフーリエ係数を持つ切り捨てられたフーリエ級数によってモデル化されます。迷惑部分空間は未知であると想定されます。 最尤推定値は、応答信号部分空間に直交する迷惑部分空間の成分に対して導出されます。 迷惑部分空間の次数の推定は、情報理論的基準から取得されます。統計的検定が導き出され、仮説検定問題にとって自然な変換のグループに対して不変の一様に最も強力な(UMP)検定であることが示されています。 この検定で使用される最大不変統計量にはF分布があります。帰無仮説の下での理論的なF分布は、被験者が活性化タスクを実行しなかったヌル実験を実行することによって得られた実験頻度分布と強く一致しました。 運動活性化および視覚刺激fMRI研究への理論の応用が提示されています。 帰無仮説の下での理論的なF分布は、被験者が活性化タスクを実行しなかったヌル実験を実行することによって得られた実験頻度分布と強く一致しました。 運動活性化および視覚刺激fMRI研究への理論の応用が提示されています。 帰無仮説の下での理論的なF分布は、被験者が活性化タスクを実行しなかったヌル実験を実行することによって得られた実験頻度分布と強く一致しました。 運動活性化および視覚刺激fMRI研究への理論の応用が提示されています。
0. 論文情報・リンク
論文リンク:https://ieeexplore.ieee.org/abstract/document/759109 公開日時:Feb. 1999 実装コード: Publication : IEEE
1. どんなもの?
2. 先行研究と比べてどこがすごいの?
3. 技術や手法の"キモ"はどこにある?
4. どうやって有効だと検証した?
5. 議論はあるか?
6. 次に読むべき論文はあるか?
7. 実装
8. 参考文献