MARC

 008260126s2025        us                              c    eng  d
■001000017358011
■00520260202103630
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798315790990
■035    ▼a(MiAaPQ)AAI32046851
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a574
■1001  ▼aDong,  Mingfei.
■24510▼aStatistical  Analysis  of  Inter-Trial  Variability  in  Stimulus-Related  Task  Responses  in  Autism  Spectrum  Disorders
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a182  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  B.
■500    ▼aAdvisor:  Senturk,  Damla.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2025.
■520    ▼aAutism  spectrum  disorder  (ASD)  is  a  prevalent  neurodevelopmental  condition  characterized  by  early-emerging  impairments  in  social  behavior  and  communication,  as  well  as  behavioral  and  sensory  differences.  Recent  evidence  indicates  that,  rather  than  a  general  failure  to  synchronize  neural  activity,  individuals  with  ASD  exhibit  greater  intra-individual  trial-to-trial  variability  in  responses,  including  those  measured  by  eye  tracking  (ET)  and  electroencephalography  (EEG),  to  stimulus-related  tasks.  This  dissertation  develops  statistical  methods  to  analyze  and  characterize  such  inter-trial  variability  across  different  types  of  trial-level  data  from  experiments  conducted  by  the  Autism  Biomarkers  Consortium  for  Clinical  Trials  (ABC-CT).In  Chapter  1,  we  propose  a  novel  functional  outcome,  referred  to  as  the  viewing  profile,  which  captures  common  gaze  patterns  over  trial  time.  Functional  data  analysis  techniques,  such  as  functional  principal  component  analysis  (FPCA)  can  be  applied  to  the  viewing  profiles  to  investigate  overall  trends  and  variations  of  the  target  gaze  behavior  across  subjects  and  diagnostic  groups.  Application  of  this  functional  data  analysis  approach  on  ET  data  from  a  visual  exploration  (VE)  paradigm  demonstrates  significant  group  differences  between  children  with  autism  and  their  typically  developing  peers  in  the  consistency  of  looking  at  faces  early  in  the  trial.In  Chapter  2,  we  introduce  nonlinear  (shape-invariant)  mixed  effects  (NLME)  models  to  study  intra-individual  inter-trial  EEG  response  variability.  The  proposed  multilevel  NLME  models  quantify  variability  in  interpretable  and  widely  recognized  signal  features  (e.g.,  latency  and  amplitude)  while  also  regularizing  estimation  based  on  noisy  trial-level  data.  A  computationally  efficient  minorization-maximization  (MM)  algorithm  enables  the  adaptation  of  NLME  models  to  large-scale  datasets  that  are  challenging  for  existing  algorithms  and  computational  tools.  Application  of  the  NLME  framework  to  EEG  data  from  the  visual  evoked  potential  (VEP)  paradigm  reveals  that  children  with  autism  exhibit  greater  intra-individual  inter-trial  variability  in  P1  latency  compared  to  their  neurotypical  peers.In  Chapter  3,  we  propose  a  multilevel  multivariate  FPCA  for  high-dimensional  functional  outcomes,  motivated  by  the  joint  modeling  of  evoked  and  induced  event-related  spectral  perturbations  (ERSPs)  as  functions  of  time  and  frequency.  Incorporating  novel  computational  methods,  the  proposed  approach  efficiently  scales  to  higher-dimensional  functional  outcomes  and  an  increasing  number  of  variates  in  the  multivariate  functional  outcome  vector.  Application  to  ERSP  data  collected  during  the  VEP  paradigm  provides  new  insights  into  autism-specific  neural  activity  patterns,  as  well  as  subject-  and  trial-level  variability.
■590    ▼aSchool  code:  0031.
■650  4▼aBiostatistics
■650  4▼aNeurosciences
■650  4▼aBiomedical  engineering
■650  4▼aMedical  imaging
■653    ▼aAutism  spectrum  disorder
■653    ▼aElectroencephalography
■653    ▼aEye-tracking
■653    ▼aFunctional  principal  component  analysis
■653    ▼aVisual  exploration
■690    ▼a0308
■690    ▼a0574
■690    ▼a0541
■690    ▼a0317
■71020▼aUniversity  of  California,  Los  Angeles▼bBiostatistics  0132.
■7730  ▼tDissertations  Abstracts  International▼g86-12B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358011▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서