在阿尔兹海默症中的独立性与回归分析方法研究

As China’s aging population is growing, there is an increasing number of Alzheimer's patients, which imposes a heavy burden on their families and the society as a whole. Therefore, early screening and diagnosis of such diseases, timely prevention measures and effective treatments, are of great significance and value. As one of the important examination techniques in this area, neuroimaging technology has been widely used. However, this analytical technology is not yet perfect because its image data is ultra-high dimensional, highly non-linear and non-European. In view of this, this project aims to develop new image analysis techniques by using the newly developed multivariate nonparametric statistical methods, explore more about the theoretical and effective algorithms of the method, and thus identify new biomarkers and provide forecasting models to improve the accuracy of disease diagnosis.

随着中国社会老龄化的到来，日益增多的阿尔兹海默症患者已经给社会和家庭带来沉重的负担。因此，对此种疾病进行早期筛查和诊断、及时防治和有效的治疗，是有着十分重要的意义和价值。作为有效检查的重要技术手段之一，神经成像技术已经广泛使用。然而由于影像数据具有超高维度、高度非线性和非欧性等特点，使得其分析技术尚未完善。本项目针对上述特点，利用新发展的多元非参统计方法，发展新的图像分析技术，重点研究方法的理论性质及有效算法，提供新的生物标记物及预测模型，提高疾病诊断的准确性。

随着中国社会老龄化的到来，日益增多的阿尔兹海默症患者已经给社会和家庭带来沉重的负担。因此，对此种疾病进行早期筛查和诊断、及时防治和有效的治疗，是有着十分重要的意义和价值。作为有效检查的重要技术手段之一，神经成像技术已经广泛使用。然而由于影像数据具有超高维度、高度非线性和非欧性等特点，使得其分析技术尚未完善。在国家自然科学基金（项目编号：11701590）的支助下，在神经影像数据的非参数方法中取得重要的研究成果，例如提出了非欧氏空间中的两样本检验、独立性检验以及超高维变量筛选等统计学方法。这些方法不仅在理论上具有良好的渐近性质，而且还具有计算的优势，相关结果发表在统计学著名期刊Annals of Statistics、Journal of the American statistical Association和Statistics and Its Interface。研究成果可应用于分析阿尔兹海默症患者的神经影像和基因数据，相关成果发表在生物信息学重要期刊Bioinformatics上。此外，本项目也开发了相关的开源软件包供科学工作者使用，相关结果发表在统计学著名期刊Journal of Statistical Software。