Résumé: Etudes d'activation de cerveau basées sur la recherche d'ANIMAL DE COMPAGNIE ou de fMRI pour explorer des questions de neurologie en analysant statistiquement les images acquises pour produire des images paramétriques statistiques (SPIs). Un éventail de plus en plus de techniques univariables et multivariables d'analyse sont employés pour produire de SPIs afin de détecter des activation de signifier-signal et/ou des interactions spatiales à longue portée. Cependant, peu est connu au sujet de l'exécution comparative de détection même des techniques simples dans les Modem finis. Nos objectifs sont (1) pour comparer empiriquement l'exécution de détection d'une gamme des techniques en utilisant des simulations d'une analyse simple des caractéristiques de fonctionnement de fantôme et de récepteur d'image (ROC), et (2) aux détecteurs proche-optimaux de la construction deux, les deux essais généralisés de rapport de probabilité car l'exécution supérieure bondit. Nous avons constaté que pour les échantillons finis d'images (de 10-100), même lorsque l't-essai avec des évaluations simples-voxel de désaccord (t-essai simple-voxel) est (c.-à-d.) le modèle impartial "correct" pour les signaux additifs locaux simples, une meilleure exécution de détection est obtenue en utilisant des évaluations mises en commun de désaccord ou des détecteurs covariance-basés adaptatifs et multivariables. La normalisation par des causes voxel-basées d'évaluations de désaccord a diminué de manière significative l'exécution de détection en utilisant ou les t-essais simples-voxel ou le corrélation-coefficient thresholding a comparé aux t-essais ou à la covariance de mettre-désaccord thresholding, respectivement. D'ailleurs, nous avons constaté que SVD par lui-même, ou suivi d'un discriminant linéaire de Fisher adaptatif, fournit un détecteur qui est (1) plus sensible aux différences moyennes qu'un t-essai simple-voxel, (2) peu sensible aux grands désaccords locaux de signal détectés par la covariance thresholding, et (3) beaucoup plus sensible aux corrélations de signal que le corrélation-coefficient thresholding. Les approches et les t-essais covariance-basés adaptatives et multivariables de mettre-désaccord représentent des directions prometteuses pour obtenir la détection optimale de signal dans des études neuroimaging fonctionnelles

Langue: Anglais
Index décimal 621 .Physique appliquée (électrotechnique, génie civil, génie mécanique, ingénierie appliquée, principes physiques en ingénierie)
Thème Informatique

Mots clés:
Detection signal
Statistiques multivariables