https://isangfeng.github.io/tags/%E8%A7%84%E8%8C%83%E5%8C%96%E5%BB%BA%E6%A8%A1/Recent content in 规范化建模 on 桑峰Hugo -- gohugo.iozh-cn© 2026 桑峰Thu, 14 Sep 2023 00:00:00 +0000https://isangfeng.github.io/posts/2023/09/20230914_papernotes/Thu, 14 Sep 2023 00:00:00 +0000https://isangfeng.github.io/posts/2023/09/20230914_papernotes/<p>阿尔茨海默（AD）是一种高度异质性的疾病，即在临床表现和神经生物标记上表现为显著的个体差异。这些差异包括遗传基础、症状表现、发病年龄、发病轨迹和严重程度、生物标记物、合并症和脑萎缩模式。然而传统的统计分析聚焦于组水平的平均情况。其背后基本的统计假设是AD以相同的方式影响不同的患者。然而，为了实现AD的精准医疗，我们需要超越平均的视角，并且设计统计方法来反应个体水平上的异质性。神经解剖标准化建模可以依据一个期望的正态分布/随时间变化的轨迹提供个体水平上的统计推断。在本研究中，研究者利用一个最近实现的规范化建模框架，层级贝叶斯回归，分析了1）不同个体患者在离群值分布上的神经解剖变异性；2）定量地分析了被试间不相似性的组间差异；3）建立了神经解剖离群值和认知表现和AD生物标记物之间的关系；4）并且探究了离群值的数量是否与随后从MCI到AD的转化有关。</p>