1

我正在处理一个大型 3D 成像数据数据集，我使用ff().

require(ff)

nSubj <- 125
vol_dim <- c(139,137,87)
ff_qmap <- ff(0, dim=c(vol_dim,nSubj)

像获取平均数组/“卷”这样的简单调用可以正常工作：

mean_qmap_vol <- ffapply(X=ff_qmap,MARGIN=c(1,2,3),AFUN=mean,RETURN=TRUE)

ffapply但是，在某些情况下，我想在一次调用中返回多个数组/“卷” ；例如，在执行一些基本回归时，例如针对年龄：

pval_vol <- ffapply( AFUN=f <- function(x) {
                  df$voxel <- x
                    fe1 <- lm(formula = voxel ~ age, df)
                    summary_fe1 <- summary(fe1)
                fe1_estimate <- summary_fe1$coefficients[2,1]
                fe1_pval <- summary_fe1$coefficients[2,4]
                return(fe1_pval)
}, X = ff_qmap, MARGIN = c(1,2,3), RETURN = TRUE)

这适用于返回单个卷，即fe1_pval.

有没有办法在一个 ffapply 调用中同时返回fe1_estimateand fe1_pval（也许还有更多的估计）？

> sessionInfo()
R version 3.3.3 (2017-03-06)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.2 LTS   
...
other attached packages:
[1] ff_2.2-13        bit_1.1-12       lme4_1.1-17      Matrix_1.2-8     ggplot2_2.2.1    fslr_2.12        neurobase_1.13.2
[8] oro.nifti_0.9.1
4

1 回答 1

0

我尝试了许多解决方案，包括返回一个带有 c() 的组合向量，或者一个列表。但是，我找不到涉及 ffapply 例程的解决方案。我查看的一些关键参考资料如下：

我找到了一个权宜之计，采用经典的 for 循环方法并循环浏览 3D 数据集。因为在这种情况下我的数组的大小不是太大，所以它可以工作。我最终更喜欢使用 ffapply() 的解决方案，以便它可以扩展为更高分辨率和更大的数据集；并具有并行化的潜力。接受建议！

事实证明，coef()stats 函数是一种以标准方式提取所有模型系数的好方法。

testlist <- vector(mode="list", length=vol_dim[1]*vol_dim[2]*vol_dim[3])
i <- 1
for (x in 1:vol_dim[1]) {
  for (y in 1:vol_dim[2]) {
    for (z in 1:vol_dim[3]) {
      df$voxel <- ff_logjac[x,y,z,]
      fe1 <- lm(formula = voxel ~ age, df)
      testlist[[i]] <- coef(summary(fe1))
      i <- i + 1
    }
  }
}

这是在以下之后访问 lm 系数的 list() 的方式：

> length(testlist)
[1] 1656741
> vol_dim[1]*vol_dim[2]*vol_dim[3]
[1] 1656741
> testlist[[1]]
                Estimate  Std. Error    t value  Pr(>|t|)
(Intercept)  0.061286603 0.168853045  0.3629582 0.7191810
age         -0.002272307 0.003510186 -0.6473466 0.5223308
> testlist[[1656741]]
                Estimate  Std. Error   t value   Pr(>|t|)
(Intercept) -0.444810783 0.192135240 -2.315092 0.02763245
age          0.007246639 0.003994186  1.814297 0.07964480
> testlist[[1]][1,1]
[1] 0.0612866
于 2018-07-06T20:05:56.257 回答