Pythonの1次元統計パラメトリックマッピング

統計パラメトリックマッピング（SPM）は、滑らかなN次元の連続性のフィールドの変化を検出するためのトポロジー方法論です。生体力学的データの多くのクラスはスムーズであり、離散境界内に含まれているため、SPM分析に適しています。現在の論文には、登録された1D曲線のセットでSPM分析を実施するための無料でオープンソースPythonパッケージである「SPM1D」のリリースに添付されています。3つの例を示します。（i）運動学、（ii）地上反動力、（iii）確率的有限要素モデリングにおける接触圧力分布。Tテスト、回帰、ANOVAなどのさまざまな一般的な統計テストに高レベルのインターフェイスを提供することに加えて、SPM1Dは、スタンドアロンの例スクリプトを使用してSPM理論の基本概念も強調しています。ソースコードとドキュメントは、www.tpataky.net/spm1d/で入手できます。

Statistical parametric mapping (SPM) is a topological methodology for detecting field changes in smooth n-dimensional continua. Many classes of biomechanical data are smooth and contained within discrete bounds and as such are well suited to SPM analyses. The current paper accompanies release of 'SPM1D', a free and open-source Python package for conducting SPM analyses on a set of registered 1D curves. Three example applications are presented: (i) kinematics, (ii) ground reaction forces and (iii) contact pressure distribution in probabilistic finite element modelling. In addition to offering a high-level interface to a variety of common statistical tests like t tests, regression and ANOVA, SPM1D also emphasises fundamental concepts of SPM theory through stand-alone example scripts. Source code and documentation are available at: www.tpataky.net/spm1d/.