Journal of the American Statistical Association· 2013Q1
Nörogörüntüleme Veri Analizinde Tensör Regresyonu Uygulamaları
Tensor Regression with Applications in Neuroimaging Data Analysis
- 569atıf
- Q1SCImago
- 2013yıl
Kısa özet
Ultra-yüksek boyutlu nörogörüntüleme verilerini verimli bir şekilde analiz etmek için yeni bir tensör regresyon modelleri ailesi önerilmiştir; bu modeller boyutluluğu azaltarak verimli tahmin ve öngörü sağlamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Karmaşık veri yapıları için yeni bir tensör regresyon modelleri ailesi sunulmaktadır.
- Tensör kovaryantlarındaki ultra-yüksek boyutluluğu verimli bir şekilde ele alır.
- Nörogörüntüleme verileri için verimli tahmin ve öngörü sağlar.
- Sentetik ve gerçek MRI görüntüleme verileri üzerinde doğrulanmıştır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Classical regression methods treat covariates as a vector and estimate a corresponding vector of regression coefficients. Modern applications in medical imaging generate covariates of more complex form such as multidimensional arrays (tensors). Traditional statistical and computational methods are proving insufficient for analysis of these high-throughput data due to their ultrahigh dimensionality as well as complex structure. In this article, we propose a new family of tensor regression models that efficiently exploit the special structure of tensor covariates. Under this framework, ultrahigh dimensionality is reduced to a manageable level, resulting in efficient estimation and prediction. A fast and highly scalable estimation algorithm is proposed for maximum likelihood estimation and its associated asymptotic properties are studied. Effectiveness of the new methods is demonstrated on both synthetic and real MRI imaging data.
Yazarların özeti; kaynağından alınmıştır. Journal of the American Statistical Association, 2013 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Hesaplamalı Matematik
Computational MathematicsMathematics