Scalable Bayesian Image-on-Scalar Regression for Population-Scale Neuroimaging Data Analysis
面向大规模神经影像数据的可扩展贝叶斯图像对标量回归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：摘要聚焦神经影像空间回归与贝叶斯计算，未直接对应所列经济计量细分方向。
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…
面向大规模神经影像数据的可扩展贝叶斯图像对标量回归
- 研究问题
- 面对人口规模的神经影像数据，如何在受试者脑掩膜不一致时进行贝叶斯图像对标量回归，同时控制计算和内存成本并保留空间不确定性推断？
- 方法与思路
- 作者结合带显著区域指示变量的高斯过程先验、随机梯度朗之万动力学与内存映射，构建支持个体脑掩膜的模型及可扩展后验计算算法。
- 材料陈述的贡献
- 摘要报告，相对零填补配合传统 Gibbs 抽样，计算加速为四至十一倍，统计功效提高百分之八至十八，并报告杏仁核局部活动与年龄的变化。
- 阅读关注点
- 应核对掩膜差异的建模方式、后验计算近似误差、空间显著区域判定，以及计算和功效比较是否使用相同硬件、任务与评价口径。
- 阅读边界
- 仅据所给 OpenAlex 摘要版本。速度与功效数值限于摘要所述比较；年龄相关脑活动变化的估计不能直接解释为个体随年龄增长的因果变化。
原文摘要
Bayesian Image-on-Scalar Regression (ISR) provides flexible, uncertainty-aware neuroimaging analysis. However, applying ISR to large-scale datasets such as the UK Biobank is challenging due to intensive computational demands and the need to handle subject-specific brain masks rather than a common mask. We propose a novel Bayesian ISR model that scales efficiently while accommodating these inconsistent masks. Our method leverages Gaussian process priors with salience area indicators and introduces a scalable posterior computation algorithm using stochastic gradient Langevin dynamics combined with memory mapping. This approach achieves linear scaling with subsample size and constrains memory usage to the batch size, facilitating direct spatial posterior inferences on brain activation regions. Simulation studies and analysis of UK Biobank task fMRI data (38,639 subjects; over 120,000 voxels per image) demonstrate a 4- to 11-fold speed increase and an 8–18% enhancement in statistical power compared to traditional Gibbs sampling with zero-imputation. Our analysis reveals a subregion of the amygdala where emotion-related brain activation decreases by approximately 58% between ages 50 and 60.