統計に関する私の知識はごくわずかです、ごめんなさい。測定された振幅が大量にあります。信号がない場合、ノイズは正規分布であると見なされます。信号が周囲のノイズよりも高い振幅で存在する場合、分布の形状は正の側でよりテールになります。信号の検出に歪度を使うことを考えていました。ただし、振幅の大きい領域（ボリューム内のセル）は、ボリューム自体に比べてかなり小さくなります。ですから、私たちは合計数千の細胞から数百の細胞の大きさについて話しているのです。正規分布の歪度がゼロの場合、ゼロ以外の歪度の原因となるボリューム内のセルをどのように抽出できますか。たとえば、歪度の値が0.5の場合、すべてのセルを削除して、歪度の値を上げたセルのみを保持する方法はありますか。
前もって感謝します。
問題は混合モデルとしてモデル化するのが最善のように思えます: ガウスの背景があります
B ~ N(0, シグマ)
ポスターが特定のモデルを指定していない信号。
信号も 1 つの (または複数のガウスの混合の可能性がある) 形式をとると仮定できる場合、EM アルゴリズムを使用したガウス混合モデリングは、それを解決するための良い方法かもしれません (ウィキペディアを参照)。
セグメンテーションのコンテキストでの優れた論文は次のとおりです。
http://www.fil.ion.ucl.ac.uk/~karl/Unified%20segmentation.pdf
そのような仮定を立てることができない場合は、ガウス ノイズのパラメーターを推定するためにロバストな回帰法を使用します。信号は外れ値として扱われます。
外れ値セルは、たとえばこの論文で説明されているように、(ボンフェローニ補正) 仮説検定を介して見つけることができます。