文件名称：beta分布的概率密度的matlab代码-Quantile-Function-on-Scalar-Regression-Analysis-fo
文件大小：5.04MB
文件格式：ZIP
更新时间：2024-06-12 18:40:01
系统开源
beta分布的概率密度的matlab代码分布数据标量回归分析中的分位数函数 作者贡献清单表 数据 抽象的 多形胶质母细胞瘤（GBM）是最常见和最具侵害性的癌症，始于大脑。 大多数GBM诊断是通过医学成像（例如磁共振成像（MRI））进行的，其中MRI提供了广泛的高分辨率图像对比度，可作为临床决策或GBM研究中肿瘤进展的指标。 通常起源于单个细胞的GBM肿瘤随着其增殖表现出异质的生理和形态特征。 这些异质性特征使得难以预测GBM患者的治疗效果和结果。 在集成模型中识别源自肿瘤异质性的特征与临床测量之间的关联具有科学意义。 因此，我们的主要目标是评估肿瘤中图像强度的变化与各种临床，人口统计学和遗传因素之间的关系。 可用性 数据可用。 描述 对于我们的GBM案例研究，我们将TCGA协议同意的64例患者样本的放射影像以及相关的基因组和临床数据进行了整理（）。 这64例患者的由手术前T1加权对比后成像组成的成像数据可从The Cancer Imaging Archive（）获得。 从cBioPortal（）获得包括这些受试者的生存，临床和基因组数据的数据集。 我们使用了以下协变量，包括性别（21名
【文件预览】：
Quantile-Function-on-Scalar-Regression-Analysis-for-Distributional-Data-master
----.gitignore(101B)
----Table4.csv(389B)
----plots.R(12KB)
----Figure6.tiff(12.36MB)
----Q3_Covariates.csv(5KB)
----proj_file.Rproj(248B)
----qfreg.R(19KB)
----Table3.csv(265B)
----PcrQuant.R(10KB)
----Figure7.tiff(2.58MB)
----repro_flow.png(68KB)
----Qy_1024.csv(398KB)
----Table2_coverage.csv(128B)
----Figure5.tiff(3.96MB)
----JASA_ACS_QFM_unblind_resub-3nd-suppl.pdf(5.56MB)
----Table2_Area.csv(208B)
----Q3cell.mat(742KB)
----Figure4.tiff(14.06MB)
----Figure3.tiff(1.32MB)
----readme.md(6KB)
----getquantlets.R(27KB)
----ACS_reproduce_application.R(24KB)
----datagen.R(4KB)
----ACS_reproduce_simulation.R(29KB)
----inference.R(32KB)