La présentation est en train de télécharger. S'il vous plaît, attendez

# Stat4Ci A sensitive statistical test for smooth classification images.

## Présentation au sujet: "Stat4Ci A sensitive statistical test for smooth classification images."— Transcription de la présentation:

Stat4Ci A sensitive statistical test for smooth classification images

Aspects théorique Image de classification Multiple comparaisons –Aucune correction –Bonferroni Random field theory –Pixel –Cluster –Scale Space

.* = Original imageMask of bubblesStimulus Stimuli creation Bubbles stimulus

Bubble task: gender discrimination Men or women?

Creation of the Ci +…+++++ Expected proportion =.75. ++++…, …,,,,, ==./ =

(Gibson, Gosselin, Schyns & Wasserman, Psychonomics, 2002) (Gosselin & Schyns, Vision Research, 2001) Bubble classification images

Visage à lendroit Visage à lenvers

Image de classification Régression multiple i=1..n, n nombre dessais u est une variable despace Pour n suffisamment grand

Test t p = [ 96,127,127,137,114,119,109,109,143,109,116,114,143,109,117,127,112,112,98, 37,112,109,119,106,109 ] Moyenne = 117.2, 2 = 160 v = [ 114,88,102,127,104,104,91,96,104,106,91,102,104,100,114,109,109,119, 91,81,114,119,102,111,80,119,119,123,119,114,132 ] Moyenne = 106.71, 2 = 167 t=1.97

Test t~Z score T(12)=3.56 t=1.97 Z=1.64, p=.05Z=2.35, p=.01

Comparaison multiple Aucune correction –p = % de chance de faux positif Bonferroni –p = p/N N est le nombre de comparaison –Soit 5 faux positif pour 100 images 1 test 2 tests 16*16 tests

Comparaison multiple p=.05, z=1.65 p=.05, z=1.92 p=.05, z=3.54 p=.05, z=3.89 P=0.00005

? p=.05, z=4.80 P=8.10 -8

Solutions Bonf t = 4.5228 Bonf t = 3.5463RFT t = 4.06

Random Field theory

Expected Euler Characteristic

Gaussian Random field

Seuil non corrigé

Bonferroni Correction

Pixel test

t z = 3.30

tsize resels Zmax x y ----------------------------------------- C[2.70] 970 0.44 4.17 122 129 [2.70] 917 0.41 3.95 162 129 ----------------------------------------- P3.30- p-value = [0.05] FWHM = [47.1] Minimum cluster size = 861.7 Seulement 2 paramètres –FWHM = taille du filtre de lissage –p = seuil de confiance Comment choisir FWHM ? –Pour détecter un signal donné, le meilleur filtre est un filtre de taille comparable Problèmes –Si le signal est diffus, le pic est faible Solution –Prendre en compte la taille et le Z score. Cluster test

tsize resels Zmax x y ----------------------------------------- C[2.70] 970 0.44 4.17 122 129 [2.70] 917 0.41 3.95 162 129 ----------------------------------------- P3.30- p-value = [0.05] FWHM = [47.1] Minimum cluster size = 861.7 t size resels Zmax x y ----------------------------------------- C[2.70] 1787 0.81 5.2 133208 ----------------------------------------- P3.30- p-value = [0.05] FWHM = [47.1] Minimum cluster size = 861.7

Cluster test t z = 2.5 k = 350 pixels

Scale space r=w 1 /w 2

Scale space t z = 4

Scale space t z = 2.5 k = 350 pixels

Présentations similaires