Mixed-Effect Time-Varying Network Model and Application in Brain Connectivity Analysis
混合效应时变网络模型及其在脑连接分析中的应用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。
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：摘要直接提出时变网络模型，并研究网络结构、模块信息与个体异质性。
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…
关注这篇论文的作者
混合效应时变网络模型及其在脑连接分析中的应用
- 研究问题
- 如何描述总体层面网络在连续时间中的变化，同时纳入不同受试者的个体差异和已有模块结构信息？
- 方法与思路
- 作者提出混合效应连续时变网络模型，用多步骤优化实现约束似然估计，并推导相关估计量的渐近性质。
- 材料陈述的贡献
- 摘要称方法突破既有模型常见的单受试者、离散时间限制，并通过模拟和青少年脑发育研究展示有效性。
- 阅读关注点
- 应核对网络边与模块信息的定义、总体和个体效应的分离方式、连续时间建模条件，以及优化和渐近分析的要求。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；未提供网络观测机制、识别条件或具体效果，脑连接结果也不等于因果关系，不能推断刊本变化。
原文摘要
Time-varying networks are fast emerging in a wide range of scientific and business applications. Most existing dynamic network models are limited to a single-subject and discrete-time setting. In this article, we propose a mixed-effect network model that characterizes the continuous time-varying behavior of the network at the population level, meanwhile taking into account both the individual subject variability as well as the prior module information. We develop a multistep optimization procedure for a constrained likelihood estimation and derive the associated asymptotic properties. We demonstrate the effectiveness of our method through both simulations and an application to a study of brain development in youth. Supplementary materials for this article are available online.