High-dimensional Response Growth Curve Modeling for Longitudinal Neuroimaging Analysis
面向纵向神经影像分析的高维响应增长曲线模型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：摘要以个体重复观测的纵向数据、个体内变化及固定和随机效应建模为核心，对应面板数据方向。
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…
面向纵向神经影像分析的高维响应增长曲线模型
- 研究问题
- 研究如何对高维纵向结局同时刻画个体间平均增长与个体内动态变化，并缓解随机效应协方差矩阵带来的估计负担。
- 方法与思路
- 作者结合低秩因子结构、带稀疏惩罚的重参数化及小矩阵求逆技巧，开发 EM 型算法以估计并选择固定效应和随机效应。
- 材料陈述的贡献
- 摘要提出降低协方差参数数量、选择效应项与加速计算的三项设计，并通过模拟和 HIV 相关脑结构连接纵向研究展示表现。
- 阅读关注点
- 应核对因子秩与惩罚参数的选择、随机效应协方差约束、效应选择稳定性，以及算法收敛和计算提速的比较依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未报告性能数值或完整模型条件，纵向关联也不能直接解释为因果效应。
原文摘要
There is increasing interest in modeling high-dimensional longitudinal outcomes in applications such as developmental neuroimaging research. Growth curve model offers a useful tool to capture both the mean growth pattern across individuals, as well as the dynamic changes of outcomes over time within each individual. However, when the number of outcomes is large, it becomes challenging and often infeasible to tackle the large covariance matrix of the random effects involved in the model. In this article, we propose a high-dimensional response growth curve model, with three novel components: a low-rank factor model structure that substantially reduces the number of parameters in the large covariance matrix, a re-parameterization formulation coupled with a sparsity penalty that selects important fixed and random effect terms, and a computational trick that turns the inversion of a large matrix into the inversion of a stack of small matrices and thus considerably speeds up the computation. We develop an efficient expectation-maximization type estimation algorithm, and demonstrate the competitive performance of the proposed method through both simulations and a longitudinal study of brain structural connectivity in association with human immunodeficiency virus.