Key points are not available for this paper at this time.
우리는 생물 의학 이미징 데이터의 데이터 융합 및 집단 분석을 위한 두 가지 CCA 기반 접근 방식을 제시하고, 이들이 fMRI, sMRI 및 EEG 데이터에서 유용성을 입증하였습니다. 결과는 CCA와 M-CCA가 여러 데이터 세트의 분석을 자연스럽게 허용하는 강력한 도구임을 보여줍니다. 제시된 데이터 융합 및 집단 분석 방법은 완전히 데이터 기반이며, 데이터를 잠재적 구성 요소로 분해하기 위해 간단한 선형 혼합 모델을 사용합니다. CCA와 M-CCA는 2차 통계에 기반하고 있기 때문에 ICA와 같은 고차 통계 기반 방법에 비해 상대적으로 덜 제약된 솔루션을 제공합니다. 이는 장점이 될 수 있지만, 유연성은 때때로 결과를 해석하기 더 어렵게 만드는 비가우시안성(특히 초가우시안성)에 대한 가정에 의해 얻어진 솔루션보다 덜 희소한 솔루션으로 이어지는 경향이 있습니다. 따라서 두 접근 방식 모두 보완적인 관점을 제공하므로 서로 다른 분석 기술을 사용하여 데이터를 연구하는 것이 유익합니다.
Correa et al. (Fri,) 이 질문을 연구하였습니다.