介绍NBR： Network-Based R-Statistics using Mixed Effects Models

NBR：Network-Based R-Statistics using Mixed Effects Models
基于Zalesky在2010年发表的文献，文献地址：
doi:10.1016/j.neuroimage.2010.06.041

NBR一共包括6个函数，如下：

frontal2D
这是一个预设的数据集，如下：

这是一个包含24个病人，24个健康人的数据，变量有group、sex、age和一些节点数据，FAG.FAD是节点FAG和节点FAD之间的功能连接度，一共有381-3=378列，由此可以推出这个地图集是28个label（自身跟自身的去掉）。
nbr_lm：线性模型的NBS
此函数用于计算网络中每条边的指定线性模型（LM），并计算已连接边簇大小的族误差（FWE）p值分别低于P阈值（thrP）或高于T阈值（thrT）。WE估计是基于关于连通边集（定义如上）的最大大小的零分布，得到使用原始数据的nperm置换。

Usage
nbr_lm(net, nnodes, idata, mod, diag = FALSE, nperm,
thrP = 0.05, thrT = NULL, cores = NULL,
nudist = FALSE, expList = NULL, verbose = TRUE,
...)

举例：

nperm就是置换的次数，一般是5000次，第一次使用的时候建议用5次，以防止矩阵的格式不对。
输出如下：

nbr_lme交互效应模型的NBS，用法同nbr_lm
nbr_lm_aov
此函数用于计算中每个边的指定（非线性）线性混合模型（LME）方差分析
网络，并计算簇大小的族误差（FWE）p值单独低于P阈值（thrP）或高于F阈值（thrF）的连接边。FWE估计是基于连通边集最大尺寸的零分布（定义如上所述），通过原始数据的nperm置换获得。

Usage
nbr_lme_aov(net, nnodes, idata, mod, rdm, diag = FALSE,
nperm, thrP = 0.05, thrF = NULL, cores = NULL,
nudist = FALSE, expList = NULL,
verbose = TRUE, ...)

nbr_result <- nbr_lme_aov(net = voles[,-(1:3)],
nnodes = 16, idata = voles[,1:3],
mod = "~ Session*Sex",
rdm = "~ 1+Session|id",
nperm = 5, na.action = na.exclude
)
show(nbr_result)

交互效应模型用法同线性模型。
over

介绍NBR： Network-Based R-Statistics using Mixed Effects Models相关推荐

毫米波目标检测论文阅读笔记 | Radar Transformer: An Object Classification Network Based on 4D MMW Imaging Radar
毫米波目标检测论文 | Radar Transformer: An Object Classification Network Based on 4D MMW Imaging Radar Jie Ba ...
Item Tagging for Information Retrieval: A Tripartite Graph Neural Network based Approach 用于信息检索的项目标签
文章目录摘要简介 Tagging 方法动机和总览动机总览 TagGNN-IT 节点表示 TagGNN-IT Propagation 损失 2.3 TagGNN-QI 2.3.1 边表示 2. ...
论文笔记（SocialGCN: An Efficient Graph Convolutional Network based Model for Social Recommendation）
一个有效的基于图卷积神经网络的社交推荐模型原文链接:SocialGCN: An Efficient Graph Convolutional Network based Model for Socia ...
Paper翻译：《A Novel Convolutional Neural Network Based Model for Recognition and Classification of App》
论文名称:<A Novel Convolutional Neural Network Based Model for Recognition and Classification of Appl ...
论文笔记7：Image Blind Denoising With Generative Adversarial Network Based Noise Modeling
Image Blind Denoising With Generative Adversarial Network Based Noise Modeling 引言相关工作基于GAN-CNN的盲去噪 ...
图像分割——Multi-Scale and Pyramid Network Based Models（ PSPN）理解和代码分析
Multi-Scale and Pyramid Network Based Models 简介: 多尺度分析(Multi-scale analysis)是一个比较古老的算法,他的主要思想是,通过自适应 ...
读论文《Recurrent neural network based language model 》
读论文<Recurrent neural network based language model > 标签(空格分隔): 论文 introduce 本文将循环神经网络RNN引入了神经网络 ...
Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback:
Convolutional Neural Network based Multiple-Rate Compressive Sensing for Massive MIMO CSI Feedback: ...
零基础自学R语言 1 R语言介绍 1.4 基本R软件的用法
零基础自学R语言文章目录零基础自学R语言 1 R语言介绍 1.4 基本R软件的用法 1.4.1 基本运行 1.4.2 项目目录 1 R语言介绍 1.4 基本R软件的用法 1.4.1 基本运行在M ...

介绍NBR： Network-Based R-Statistics using Mixed Effects Models

介绍NBR： Network-Based R-Statistics using Mixed Effects Models相关推荐

最新文章

热门文章