近日，由团队常晋源教授、何婧副教授、博士生吴明聪和密歇根大学康健教授合作完成的论文“Statistical inferences for complex dependence of multimodal imaging data”被统计学国际顶级学术期刊《Journal of the American Statistical Association》正式接收。
内容简介
以人脑连接组项目（Human Connectome Project, HCP）的多任务fMRI数据分析为例，该论文对多模态图像数据分析中广受关注的三个假设检验问题展开了研究：(a)在每个感兴趣的大脑区域中，检验大脑激活模式是否在不同的fMRI任务之间是独立的；(b)在每种fMRI任务下，检验大脑激活模式是否在不同的大脑区域之间是独立的；(c)在不同的fMRI任务下，检验大脑激活模式是否在不同的大脑区域之间是独立的。在多模态图像数据分析中，数据的高维度、强空间相关性和复杂的结构往往会对统计推断带来挑战。该论文将上述所提的三个问题表述为高维随机向量分量之间的独立性检验的一般形式，并提出了适用于多模态图像数据的这些特点的一种全局检验方法和一种控制错误发现率（FDR）的多重检验方法。所提方法不仅适用于多模态图像数据分析，也适用于其他检验高维随机向量分量之间的独立性问题，并且不需要对高维随机向量的协方差矩阵作任何结构性的假设。为了提高计算效率，该论文还提出了一种分布式算法。数值模拟和HCP多任务fMRI数据分析表明新提出的方法对发现多模态图像数据中的复杂相关性具有优良表现。
作者简介
常晋源，西南财经大学数据科学与商业智能联合实验室执行主任，光华特聘教授、博士生导师、国家杰出青年科学基金获得者、四川省特聘专家、四川省统计专家咨询委员会委员。主要从事超高维数据分析和高频金融数据分析两个领域的研究。
何婧，西南财经大学数据科学与商业智能联合实验室副教授，主要从事高维数据分析和时空数据分析等领域的研究。
康健，密歇根大学教授，主要从事大规模复杂生物数据的统计方法研究。
吴明聪，西南财经大学统计学院2019级统计学专业博士生，导师为常晋源教授。主要从事超高维相关数据分析和高斯逼近等领域的研究。
