- 4 次围观
磁共振成像扫描是揭示脑结构并理解复杂神经发育与衰老过程相关病理的有效工具。不同脑区之间的空间相关性揭示了关键信息，并为理解脑功能机制及其与认知能力之间的关联提供了重要见解。获取或整合来自多个站点成像扫描的大规模神经影像学研究正变得日益普遍。这样做能够增强研究样本的多样性和研究结果的稳健性，并提高针对所关注生物学假设所开展分析的统计功效。然而，跨不同站点收集图像会引入由成像协议和配置差异所导致的非生物学变异，即所谓的批次效应。尽管已有一些方法可用于校正这种批次效应，但能够直接考虑脑图像中空间模式的方法仍然有限。 我们开发了具有协方差感知能力的多变量（Covariance-Aware Multivariate, CAM）ComBat 方法，该方法能够考虑高维特征之间的空间相关性，而这种空间相关性在不同批次之间可能存在异质性。我们还提出了 CAM-ComBat 的一种计算高效替代方法，即空间信息引导的迭代分块（Spatially-Informed Iterative Block, SIB）ComBat，该方法可扩展至特征维度极高的情形。我们通过模拟研究和真实神经影像数据的应用表明，这些方法优于现有的批次效应校正方法。
搜索此网站上的这位作者
摘要 信息/历史 指标 预览 PDF
摘要
磁共振成像扫描是揭示脑结构并理解复杂神经发育与衰老过程中病理机制的有效工具。不同脑区之间的空间相关性揭示了关键信息，并为脑功能机制及其与认知能力之间的关联提供了重要见解。获取或汇总来自多个站点影像扫描的大规模神经影像研究日益流行。这样做能够提升研究样本的多样性和研究结果的稳健性，并增强针对感兴趣生物学假设所开展各类分析的统计效能。然而，跨不同站点收集图像会引入由成像协议和配置差异所导致的非生物学变异，即所谓的批次效应。尽管已有一些方法可用于校正这种批次效应，但能够直接考虑脑图像中空间模式的方法仍然有限。我们开发了协方差感知多变量（CAM）ComBat 方法，以考虑高维特征之间的此类空间相关性，而这种相关性在不同批次之间可能是异质的。我们还提出了 CAM-ComBat 的一种计算效率更高的替代方法，即空间信息迭代分块（SIB）ComBat，该方法可扩展至特征维度极高的情形。我们通过模拟研究以及对真实神经影像数据的应用表明，这些方法优于现有的批次效应校正方法。
竞争利益声明
作者声明不存在任何竞争性利益。
已声明资助信息
美国国立卫生研究院 R01-AG054409 R01-MH123550 U24-NS130411
版权
本预印本的。 本文依据 CC-BY 4.0 国际许可协议 公开提供。
查看讨论线程。 返回顶部 上一篇 下一篇
发表于 2026 年 6 月 8 日。 下载 PDF 电子邮件
感谢您有兴趣传播 bioRxiv 的这篇文章。 您的电子邮件 *
您的姓名 *
发送至 *
可将多个地址分行输入，或用逗号分隔。
您将要通过电子邮件发送以下内容
具有异质空间相关性的神经影像数据批次效应校正
邮件主题
（您的姓名）已从 bioRxiv 向您转发一个页面
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动化垃圾信息提交。
分享
具有异质空间相关性的神经影像数据批次效应校正
Ryan Xie， Dhivya Srinivasan， Gareth A. Harman， Christos Davatzikos， Russell T. Shinohara， Haochang Shou
bioRxiv 2026.06.03.729396； doi： https://doi.org/10.64898/2026.06.03.729396
分享本文： 复制
引文工具
具有异质空间相关性的神经影像数据批次效应校正
Ryan Xie， Dhivya Srinivasan， Gareth A. Harman， Christos Davatzikos， Russell T. Shinohara， Haochang Shou
bioRxiv 2026.06.03.729396； doi： https://doi.org/10.64898/2026.06.03.729396
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.03.729396v1?rss=1
🏷️ 神经影像 批次效应校正 空间相关性 多站点MRI ComBat方法 协方差建模