Aperçu: G.M.
L'exploration
de la connectivité fonctionnelle du cerveau avec des troubles du spectre de l'autisme (TSA) en utilisant des données
fonctionnelles d'imagerie par résonance magnétique (IRMF) est devenue un
sujet populaire au cours des dernières années. Les
données dans un modèle de cerveau standard se composent de plus de 170
000 points spécifiques de voxel pour chaque sujet humain. Une
telle dimensionnalité ultra-élevée rend l'analyse de connectivité
fonctionnelle au niveau du voxel (impliquant quatre milliards de paires
de voxels) statistiquement et inefficace sur le plan informatique
Les chercheurs proposent deux tests par paires pour détecter la dépendance de la
région et une procédure de test multiple pour identifier les structures
globales du réseau.
Les études numériques montrent que les tests proposés sont valides et puissants. Cette méthode appliquée à une étude de l'IRMF sur l'autisme montrent que les résultats sont biologiquement significatifs et cohérents avec la littérature existante.
J Multivar Anal. 2017 Apr;156:70-88. doi: 10.1016/j.jmva.2017.01.011. Epub 2017 Feb 7.
High-dimensional tests for functional networks of brain anatomic regions
Author information
- 1
- Department of Biostatistics and Bioinformatics, Duke University School of Medicine, Durham, NC 27705.
- 2
- Department of Biostatistics, University of Michigan, Ann Arbor, MI 48109.
Abstract
Exploring resting-state brain functional connectivity of autism
spectrum disorders (ASD) using functional magnetic resonance imaging
(fMRI) data has become a popular topic over the past few years. The data
in a standard brain template consist of over 170,000 voxel specific
points in time for each human subject. Such an ultra-high dimensionality
makes the voxel-level functional connectivity analysis (involving four
billion voxel pairs) both statistically and computationally inefficient.
In this work, we introduce a new framework to identify the functional
brain network at the anatomical region level for each individual. We
propose two pairwise tests to detect region dependence, and one multiple
testing procedure to identify global structures of the network. The
limiting null distribution of each test statistic is derived. It is also
shown that the tests are rate optimal when the alternative block
networks are sparse. The numerical studies show that the proposed tests
are valid and powerful. We apply our method to a resting-state fMRI
study on autism
and identify patient-unique and control-unique hub regions. These
findings are biologically meaningful and consistent with the existing
literature.
- PMID: 28413234
- PMCID: PMC5391152 [Available on 2018-04-01]
- DOI: 10.1016/j.jmva.2017.01.011
Aucun commentaire:
Enregistrer un commentaire