Simultaneous Covariance Inference for Multimodal Integrative Analysis
多模态整合分析中的协方差同时推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦通用多模态协方差同时检验，未涉及所列经济计量细分问题，故不强行分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
多模态整合分析中的协方差同时推断
- 研究问题
- 针对同一组受试者采集的多种模态数据，如何同时检验模态间关联，并在大量检验中兼顾检测能力与错误发现控制？
- 方法与思路
- 作者针对跨模态协方差关联提出新的同时检验程序，用统计显著性量化关联证据，并通过模拟与医学影像研究展示方法。
- 材料陈述的贡献
- 摘要称程序具有更高的检测能力和严格的错误发现控制，并用于分析阿尔茨海默病两类病理蛋白的影像关联。
- 阅读关注点
- 应核对原假设与检验统计量、错误发现控制的具体定义和条件，以及跨模态依赖结构、比较基准与模拟校准结果。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要，不能判断刊本变化；摘要未说明检验构造、控制条件或检测能力改善幅度。
原文摘要
Multimodal integrative analysis fuses different types of data collected on the same set of experimental subjects. It is becoming a norm in many branches of scientific research, such as multi-omics and multimodal neuroimaging analysis. In this article, we address the problem of simultaneous covariance inference of associations between multiple modalities, which is of a vital interest in multimodal integrative analysis. Recognizing that there are few readily available solutions in the literature for this type of problem, we develop a new simultaneous testing procedure. It provides an explicit quantification of statistical significance, a much improved detection power, as well as a rigid false discovery control. Our proposal makes novel and useful contributions from both the scientific perspective and the statistical methodological perspective. We demonstrate the efficacy of the new method through both simulations and a multimodal positron emission tomography study of associations between two hallmark pathological proteins of Alzheimer's disease.