Leaspy - 在Python中学习时空模式

Leaspy是一个用于统计分析纵向数据的软件包，特别是以重复观察形式出现，在不同时间点对患者的医疗数据进行统计分析。

开始使用Leaspy

安装

1. Leaspy需要Python >= 3.9, < 3.12

2. 创建专用环境（可选）

   使用conda

   conda create --name leaspy python=3.10
   conda activate leaspy
   

   或使用pyenv

   pyenv virtualenv leaspy
   pyenv local leaspy
   

3. 安装leaspy: pip install leaspy

它将自动安装所有需要的依赖项。

文档

可在Readthedocs.io上找到

示例 & 教程

example/start/文件夹包含启动点，如果您想使用Leaspy软件包启动第一个脚本和笔记本。您可以在以下

• 这个系列的在线教程中找到更多操作指南：2020年的在线教程
• 2019年的Medium文章（警告：自那时起，绘图器和其中描述的个别参数已被弃用）

描述

Leaspy是一个用于统计分析纵向数据的软件包，特别是以重复观察形式出现，在不同时间点对患者的医疗数据进行统计分析。考虑到这些短期数据系列，该软件旨在

• 将它们重新组合以重建长期时空演变轨迹
• 将每个患者的观察结果相对于组平均时间线进行定位，在时间差异（时间移位和加速因子）和空间差异（不同的事件序列、进展的空间模式等）方面
• 量化协变量（性别、基因突变、环境因素等）对信号演变的影响
• 插补缺失值
• 预测未来的观察结果
• 模拟虚拟患者以去除初始队列的偏差或模拟其特征

该软件包可以用于标量多元数据，其进展可以通过逻辑形状、指数衰减或线性进展来建模。该软件处理的最简单类型的数据是标量数据：它们对应于每个患者观察结果的一个（单变量）或多个（多变量）测量。这包括，例如，临床评分、认知评估、生理测量（例如，血液标志物、放射性标志物），还包括经过缩放的成像数据，例如，在0和1之间，以描述逻辑进展。

主要功能

• fit：确定描述人口水平疾病进展的人口参数
• personalize：确定描述生物标志物进展的个人场景的个体参数
• estimate：评估任何年龄患者的生物标志物值，无论是用于缺失值插补还是未来预测
• simulate：从模型生成合成数据

更多信息

有关模型本身和估计过程的更详细解释，请参阅以下文章：

• 数学框架：Jean-Baptiste Schiratti，Stéphanie Allassonnière，Olivier Colliot和Stanley Durrleman。《从重复流形值观察学习变化轨迹的贝叶斯混合效应模型》。《机器学习研究杂志》，第18卷，第1-33页，2017年12月。 开放获取。
• 应用于成像数据： 从纵向流形值网络中学习时空模式的统计学习。I. Koval, J.-B. Schiratti, A. Routier, M. Bacci, O. Colliot, S. Allassonnière 和 S. Durrleman。MICCAI，2017年9月。开放获取
• 应用于成像数据： 皮层萎缩的时空传播：群体和个人模式。Igor Koval, Jean-Baptiste Schiratti, Alexandre Routier, Michael Bacci, Olivier Colliot, Stéphanie Allassonnière, 和 Stanley Durrleman。Front Neurol. 2018年5月4日；9:235。开放获取
• 应用于缺失值数据： 使用纵向数据和缺失值学习疾病进展模型。R. Couronne, M. Vidailhet, JC. Corvol, S. Lehéricy, S. Durrleman。ISBI，2019年4月。开放获取
• 用于阿尔茨海默病进展的密集应用： AD Course Map描绘阿尔茨海默病进展，I. Koval, A. Bone, M. Louis, S. Bottani, A. Marcoux, J. Samper-Gonzalez, N. Burgos, B. Charlier, A. Bertrand, S. Epelbaum, O. Colliot, S. Allassonnière & S. Durrleman，Scientific Reports，2021。11(1):1-16 开放获取
• www.digital-brain.org：与阿尔茨海默病模型应用相关的网站
• 疾病进程映射网页，作者Igor Koval

许可证

此软件包在BSD 3-Clause许可证下分发。

支持

本软件的开发得到了欧洲联盟H2020计划（项目EuroPOND，资助编号666992，项目HBP SGA1资助编号720270）、欧洲研究委员会（Stanley Durrleman项目LEASP，资助编号678304）和ICM大型大脑理论计划（项目DYNAMO）的支持。

联系方式

ARAMIS实验室