Using Gaussian-process regression for meta-analytic neuroimaging inference based on sparse observations.

Using Gaussian-process regression for meta-analytic neuroimaging inference based on sparse observations.

The purpose of neuroimaging meta-analysis is to localize the brain regions that are activated consistently in response to a certain intervention. As a commonly used technique, current coordinate-based meta-analyses (CBMA) of neuroimaging studies utilize relatively sparse information from published s...

Descrizione completa

Dettagli Bibliografici
Autori principali:	Salimi-Khorshidi, G, Nichols, T, Smith, S, Woolrich, M
Natura:	Journal article
Lingua:	English
Pubblicazione:	2011

Documenti analoghi

Statistical models for neuroimaging meta-analytic inference
di: Salimi-Khorshidi, G
Pubblicazione: (2011)

Adjusting the neuroimaging statistical inferences for nonstationarity.
di: Salimi-Khorshidi, G, et al.
Pubblicazione: (2009)

Adjusting the neuroimaging statistical inferences for nonstationarity.
di: Salimi-Khorshidi, G, et al.
Pubblicazione: (2009)

Adjusting the neuroimaging statistical inferences for nonstationarity.
di: Salimi-Khorshidi, G, et al.
Pubblicazione: (2009)

Meta-analysis of neuroimaging data: a comparison of image-based and coordinate-based pooling of studies.
di: Salimi-Khorshidi, G, et al.
Pubblicazione: (2009)

Stochastic Variational Inference for Bayesian Sparse Gaussian Process Regression
di: Hoang, Trong Nghia, et al.
Pubblicazione: (2021)

Stochastic Variational Inference for Bayesian Sparse Gaussian Process Regression
di: Hoang, Trong Nghia, et al.
Pubblicazione: (2021)

Meta-analytic evidence for neuroimaging models of depression: State or trait?
di: Graham, J, et al.
Pubblicazione: (2013)

Meta-analytic evidence for neuroimaging models of depression: state or trait?
di: Graham, J, et al.
Pubblicazione: (2013)

Distributed variational inference in sparse Gaussian process regression and latent variable models
di: Gal, Y
Pubblicazione: (2014)

Adjusting the effect of nonstationarity in cluster-based and TFCE inference.
di: Salimi-Khorshidi, G, et al.
Pubblicazione: (2011)

Neuroimaging meta regression for coordinate based meta analysis data with a spatial model
di: Yu, Y, et al.
Pubblicazione: (2024)

Improved bounds on Gaussian MAC and sparse regression via Gaussian inequalities
di: Zadik, Ilias, et al.
Pubblicazione: (2021)

Causal inference on neuroimaging data with mendelian randomisation
di: Taschler, B, et al.
Pubblicazione: (2022)

The coordinate-based meta-analysis of neuroimaging data
di: Samartsidis, P, et al.
Pubblicazione: (2017)

Gaussian process on regression
di: Lee, Kenneth Jing Wei
Pubblicazione: (2023)

Gaussian process regression for fingerprinting based localization
di: Kumar, S, et al.
Pubblicazione: (2016)

Ten simple rules for neuroimaging meta-analysis
di: Müller, V, et al.
Pubblicazione: (2017)

Estimating the prevalence of missing experiments in a neuroimaging meta‐analysis
di: Samartsidis, P, et al.
Pubblicazione: (2020)

Sparse PCA from sparse linear regression
di: Bresler, Guy, et al.
Pubblicazione: (2021)

Sparse PCA from sparse linear regression
di: Bresler, Guy, et al.
Pubblicazione: (2022)

Thermal matching using Gaussian process regression
di: Pearce, R, et al.
Pubblicazione: (2020)

Remarks on multi-output Gaussian process regression
di: Liu, Haitao, et al.
Pubblicazione: (2020)

Consistency of Gaussian process regression in metric spaces
di: Koepernik, P, et al.
Pubblicazione: (2021)

Gaussian Process Regression for Astronomical Time Series
di: Aigrain, S, et al.
Pubblicazione: (2023)

Statistical challenges in "big data" human neuroimaging
di: Smith, S, et al.
Pubblicazione: (2018)

A Sparse Gaussian Process Framework for Photometric Redshift Estimation
di: Almosallam, I, et al.
Pubblicazione: (2015)

SigGPDE: scaling sparse Gaussian Processes on sequential data
di: Lemercier, M, et al.
Pubblicazione: (2021)

SigGPDE: scaling sparse Gaussian Processes on sequential data
di: Lemercier, M, et al.
Pubblicazione: (2021)

Robustness guarantees for Bayesian inference with Gaussian processes
di: Cardelli, L, et al.
Pubblicazione: (2019)

Sparse hierarchical regression with polynomials
di: Bertsimas, Dimitris, et al.
Pubblicazione: (2021)

Sparse Bayesian nonparametric regression
di: Caron, F, et al.
Pubblicazione: (2008)

Approximate sparse linear regression
di: Har-Peled, S, et al.
Pubblicazione: (2021)

Sparse regularized local regression
di: Vidaurre, D, et al.
Pubblicazione: (2013)

Sparse regularized local regression
di: Vidaurre, D, et al.
Pubblicazione: (2013)

Computationally efficient Gaussian Process changepoint detection and regression
di: Grande, Robert Conlin
Pubblicazione: (2014)

Gaussian process regression for forecasting battery state of health
di: Richardson, R, et al.
Pubblicazione: (2017)

Large-scale heteroscedastic regression via Gaussian process
di: Liu, Haitao, et al.
Pubblicazione: (2022)

Gaussian process arc lengths, functional regression and applications
di: Bewsher, J
Pubblicazione: (2017)

Inference on quantile regression process : an alternative
di: Chernozhukov, Victor
Pubblicazione: (2011)