Structured Correlation Detection with Application to Colocalization Analysis in Dual-Channel Fluorescence Microscopic Imaging
结构化相关区域检测及其在双通道荧光成像共定位分析中的应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究荧光显微成像中的相关区域检测，没有给定经济领域的直接依据，结构化相关也不等同于经济网络干扰。
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…
结构化相关区域检测及其在双通道荧光成像共定位分析中的应用
- 研究问题
- 对于同一观测域上的两个随机过程，如何识别具有结构的相关区域，并避免直接使用最大对数似然统计量的偏差与功效损失？
- 方法与思路
- 作者对似然比统计量进行基于区域大小的标准化，再扫描候选结构区域，以校正直接最大化统计量带来的问题。
- 材料陈述的贡献
- 摘要称大小校正后的扫描统计量在一大类结构化相关检测问题中达到最优检测性质，研究动机来自荧光成像共定位。
- 阅读关注点
- 全文应核对候选区域集合、随机过程与相关信号设定，以及大小校正公式和最优检测结论所采用的衡量标准。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未说明最优性的具体定义、检测边界及完整模型条件。
原文摘要
Motivated by the problem of colocalization analysis in fluorescence microscopic imaging, we study in this paper structured detection of correlated regions between two random processes observed on a common domain. We argue that although intuitive, direct use of the maximum log-likelihood statistic suffers from potential bias and substantially reduced power, and introduce a simple size-based normalization to overcome this problem. We show that scanning with the proposed size-corrected likelihood ratio statistics leads to optimal correlation detection over a large collection of structured correlation detection problems.