The Statistical Analysis of Functional MRI Data

یکی از جالب‌ترین سوالاتی که علم مدرن با آن مواجه است، عملکرد درونی مغز انسان است. تصویربرداری تشدید مغناطیسی عملکردی (fMRI) ابزار قدرتمندی است که برای مطالعه مغز انسان در عمل مورد استفاده قرار می گیرد. داده های تولید شده از نقشه برداری از فرآیندهای فعال در مغز، به دلیل ساختار پیچیده و پیچیدگی روزافزون سوالات علمی که توسط محققان مطرح می شود، چالش های زیادی را برای آماردانان، دانشمندان کامپیوتر، مهندسان و سایر تحلیلگران داده ایجاد می کند. این کتاب نشان‌دهنده اولین بحث عمیق از روش‌شناسی آماری است که با مقدمه‌ای بر پیشینه علمی مورد نیاز برای درک داده‌ها همراه می‌شود.

با شروع از علوم پایه - داده‌های fMRI از کجا می‌آیند، چرا آنها می‌آیند. بسیار پیچیده هستند و نقشی که آمار می تواند در طراحی و تفسیر آزمایش ها ایفا کند - این کتاب بررسی دقیق روش های متعددی را ارائه می دهد که در پانزده سال گذشته به کار رفته اند. تجزیه و تحلیل داده‌های fMRI بسیاری از مسائل مهم مورد توجه در آمارهای مدرن، مانند ابعاد بالا، آزمایش‌های چندگانه و تجسم را نشان می‌دهد. مجموعه ای از تکنیک های بررسی شده در این کتاب از آزمون t دو نمونه ای ساده و مدل خطی عمومی گرفته تا مدل های مکانی-زمانی سلسله مراتبی، روش های چند متغیره مانند تجزیه و تحلیل مؤلفه های اصلی و رویکردهای بیزی که در fMRI استفاده شده اند، متغیر است. نرم افزار، از جمله توضیحات محبوب ترین بسته های نرم افزار رایگان و قابلیت های آنها، نیز مورد بحث قرار گرفته است. این کتاب به محققانی که علاقه مند به تجزیه و تحلیل داده های fMRI هستند، بحث مفصلی از دیدگاه آماری ارائه می دهد که کل فرآیند از جمع آوری داده ها تا ارائه گرافیکی نتایج را در بر می گیرد. این کتاب منبع ارزشمندی برای آماردانانی است که می‌خواهند درباره این رشته رو به رشد بیشتر بدانند، و برای دانشمندان علوم اعصاب که می‌خواهند درباره نحوه تجزیه و تحلیل داده‌های خود اطلاعات بیشتری کسب کنند.

نیکول آ. لازار، استاد آمار در دانشگاه جورجیا و هیئت علمی وابسته به مرکز آمار سلامت، دانشگاه ایلینویز در شیکاگو. او یک محقق برجسته در این زمینه، یکی از همکاران نرم افزار FIASCO برای تجزیه و تحلیل داده های fMRI، و سرپرست یک گروه تحقیقاتی آمار fMRI در دانشگاه جورجیا است.

One of the most intriguing questions facing modern science is the inner workings of the human brain. Functional magnetic resonance imaging (fMRI) is a powerful tool used to study the human brain in action. The data produced from mapping the active processes within the brain present many challenges to statisticians, computer scientists, engineers and other data analysts, due to their complex structure and the ever-increasing sophistication of the scientific questions being posed by researchers. This book represents the first in-depth discussion of statistical methodology, which it couples with an introduction to the scientific background needed to understand the data.

Starting from the basic science - where fMRI data come from, why they are so complicated, and the role statistics can play in designing and interpreting experiments - the book gives a detailed survey of the numerous methods that have been applied in the last fifteen years. The analysis of fMRI data features many of the major issues of concern in modern statistics, such as high dimensionality, multiple testing, and visualization. The array of techniques examined in the book ranges from the simple two-sample t-test and the general linear model to hierarchical spatiotemporal models, multivariate methods such as principal components analysis, and Bayesian approaches as they have been used in fMRI. Software, including descriptions of the most popular freeware packages and their capabilities, is also discussed. This book offers researchers who are interested in the analysis of fMRI data a detailed discussion from a statistical perspective that covers the entire process from data collection to the graphical presentation of results. The book is a valuable resource for statisticians who want to learn more about this growing field, and for neuroscientists who want to learn more about how their data can be analyzed.

Nicole A. Lazar is Professor of Statistics at the University of Georgia and affiliated faculty of the Center for Health Statistics, University of Illinois at Chicago. She is a prominent researcher in this area, a contributor to the FIASCO software for fMRI data analysis, and heads an fMRI statistics research group at the University of Georgia.