宗地质心定义的变异性


宗地质心定义的变异性


文章图片


宗地质心定义的变异性


文章图片


宗地质心定义的变异性


文章图片


宗地质心定义的变异性我们检查了宗地质心定义对三个空间置换空模型的影响 。 包裹质心是使用三种不同的操作技术定义的关于曲面的球面表示平均 , 表面投影平均 ,测地距离最小化 。 在平均时 , 属于一个宗地的所有顶点的坐标被平均并用于表示包裹质心无需进一步修改 。 因为顶点是在球体上定义的 , 所以这些平均坐标质心将始终落在皮质网格的表面之下 。

解决这个问题 , 使用表面投影进行平均执行与平均相同的过程 , 但然后选择皮质网格表面上最近顶点的坐标来表示宗地质心 。 地块的表面投影质心仍可能落在地块边界 。 另一种方法 , 测地线距离最小化 , 通过计算逐顶点测地线来避免这个缺点每个地块的距离矩阵 。 每个距离矩阵在列之间进行平均 , 并且具有最小平均值的顶点坐标用于表示宗地质心 。 分块数据在定义用于空间置换空模型的宗地质心时 , 不建议使用非空间连续图集 。

我们为所有九个组合生成了十个样本重新分配地块质心定义方法和上述三种空间置换空模型 。 归一化汉明距离为用于比较所有生成的重新分配之间的相似性, 它被计算为任何两个不同意的重新分配之间的向量元素的比例 。沿内壁的测地线距离我们还研究了约束计算的程度基于表面的距离矩阵 , 禁止沿内侧壁行进 影响参数化数据模型的结果 。 我们生成了两个 , 每个分区和分辨率的距离矩阵允许或不允许行进路径穿过内壁 。

顶点之间的表面距离是使用迪杰斯特拉算法来表示的软脑膜皮质网格图上的计算 。 包裹到包裹的距离计算为两个地块中每个表面顶点之间的平均距离 。我们使用生成的距离矩阵创建了1000 个代理项 对于每个参数化数据方法 , 产生6000 个总代理 , 并评估使用线性的每种方法中生成的代理的相似性相关性 。 通过首先使用变换转换相关性来计算相关性的统计数据 , 估计均值和变换后估计值的 2.5 和 97.5%, 然后应用逆费舍尔变换对这些估计 。

由于参数化数据模型需要输入 脑图我们使用分割的数据来生成这些代理 。 结果 我们进行了四次分析来调查十个无效的影响 在大脑数据的统计评估中控制的模型 。 模拟脑图上的空模型性能 定量评估空模型对数据的执行情况 我们进行了一系列受控模拟 。 首先 , 我们可以直接采用这种的方法 , 我们模拟了1000 对相关的大脑图谱跨越七个不同空间度的高斯随机场自相关 。

我们将每个空框架应用于每个脑图 , 产生一个空间自相关级别的一个空框架都有百万个空映射 。 我们使用这些空值来生成每个脑图对之间原始相关性的双尾值 。 从模拟数据中检查 值显示了在空间受限的空框架中通常具有可比性的性能 。 在较低级别的空间自相关中 , 空间受限的空模型的表现相当 空间朴素模型;然而 , 在更高 空间自相关的水平 , 模拟脑图上的空模型性能四个图源自相同的高斯随机场 , 空间自相关水平不断提高 。

【宗地质心定义的变异性】对应的图代表随机高斯噪声 。 一对相互关联的模拟脑图示例 跨所有七个空间自相关级别的 1000 次模拟的平均空模型性能 。 每个图上的彩色线条和阴影区域 表示平均值和 95% 置信区间 。 没有描述空间朴素的参数结果 , 因为它们在很大程度上是无法区分的 , 并在提供的尺度上接近无穷大 。 所谓的框架相同是亚历山大-布洛赫等人在分辨率下使用时;我们保留以前的名称是为了与分割结果保持一致 。

    推荐阅读