| 연구목표 |
본 연구에서는 2차원 매니폴드를 정의역으로 하는 함수적 자료(Functional Data on two-dimensional Manifold; FDoM)와 고차원 자료를 동시에 분석하기 위한 베이지안 통합 분석 모형을 개발한다. 개발한 모형을 퇴행성 뇌질환의 영상 유전학 (imaging genetics) 연구에 활용하여 진단 및 예후모형을 구축하고자 한다. ... |
| 연구내용 |
영상 유전학에서는 유전적 변이가 뇌에 미치는 영향을 연구하고, 뇌질환의 초기 상태와 관련 있는 유전자를 진단과 치료에 활용하고자 한다. 또한, 뇌 영상과 유전자 정보를 통합하여 진단과 예후 예측의 정확성을 높이고자 한다. 이처럼 뇌 영상과 유전자 정보는 반응변수와 설명변수, 또는 설명변수와 설명변수로 함께 모형화 되어야 하는 경우가 많다. 그러나 두 자료의... |
| 기대효과 |
본 연구는 2차원 매니폴드 상에 정의되는 함수적 자료를 분석하기 위한 초석을 마련하여 영상 유전학 연구의 유의미한 발전을 이끌 것이다. 베이지안 방법론이 갖는 유연한 모형화라는 이점을 통해 뇌 영상과 유전적 변이, 그리고 병적 상태가 갖는 복잡한 연관 관계를 유기적으로 다룰 수 있다. 또한, UK Biobank의 생체 빅데이터 분석을 통해 임상에서 사용 가... |
| 키워드 |
함수적 회귀모형,고차원 자료분석,베이지안 모형,생존분석,2차원 매니폴드 |