Date of Award
Spring 5-13-2024
Degree Name
Master of Arts (AM/MA)
Degree Type
Thesis
Abstract
在本论文中，随着越来越多地利用静息态功能连接 MRI (rs-fcMRI) 将神经活动与病理状况联系起来，我们面临着对此类数据可靠性的普遍担忧。我们的探索集中于提高人类连接组计划（HCP）数据集框架内大脑行为关联的可重复性。我们采用两种不同的引导聚合方法来研究功能连接可靠性的增强：使用循环块引导（CBB）的单独时间序列装袋和使用线性支持向量回归（LSVR）模型的主题级装袋。我们对 CBB 个体时间序列 bagging 的调查表明，这种方法并不能显着增强大脑行为关联的可重复性。这一发现指出了实现可靠的功能连接措施的复杂性以及某些聚合方法在克服这一挑战方面的局限性。相比之下，我们的学科水平考试 通过 LSVR 模型装袋呈现出更有希望的结果。这种方法显着增强了分析之间模型权重的可靠性，证明了其在提高数据稳健性和可重复性方面的功效。两种方法的这种不同影响强调了适当的分析策略在提高神经影像数据可靠性方面的关键作用。通过描述这两种方法的结果，本论文有助于对神经影像领域的数据可靠性进行更广泛的讨论。它强调了在不同数据集上持续进行方法创新和验证的必要性，以提高 rs-fcMRI 研究的可靠性和可解释性。
Language
English (en)
Chair and Committee
Soumendra Lahiri
Committee Members
Muriah D. Wheelock, Robert Lunde
Recommended Citation
CHEN, ZHETAO, "Assessing Reproducibility of Brain-Behavior Associations Using Bootstrap Aggregation Methods" (2024). Arts & Sciences Electronic Theses and Dissertations. 3107.
https://openscholarship.wustl.edu/art_sci_etds/3107
Included in
Biostatistics Commons, Data Science Commons, Longitudinal Data Analysis and Time Series Commons, Statistical Methodology Commons