[論文レビュー] A Comparison of Variational Bayes and Hamiltonian Monte Carlo for Bayesian fMRI Time Series Analysis with Spatial Priors

Ming Teng, Timothy D. Johnson+1 more|arXiv (Cornell University)|Sep 7, 2016

Statistical Methods and Bayesian Inference被引用数 3

ひとこと要約

本研究では、空間的事前分布を用いたベイジアンfMRI時系列解析において、変分ベイズ（VB）とハミルトニアンモンテカルロ（HMC）を比較し、シミュレーションスタディを用いて推定精度、事後分散、空間的滑らかさ、計算時間の観点から評価した。HMCは計算コストが高いため予想されるが、VBは類似した結果を示し、実用的用途におけるVBの有用性を裏付け、このモデルにおける近似の品質を検証した。

ABSTRACT

We consider Bayesian computation for a Bayesian fMRI time series model with spatial priors. A previously derived variational Bayes (VB) algorithm based on a mean field approximation is currently implemented in the Statistical Parametric Mapping (SPM) software. To examine the accuracy of this VB approximation we derive Hamiltonian Monte Carlo (HMC) for this model and conduct simulation studies to compare its performance with VB in terms of estimation accuracy, posterior variability, the spatial smoothness of estimated images, and computation time. As expected we find that the computation time required for VB is considerably less than that for HMC. Somewhat surprisingly, we find that the two approaches produce very similar results for the metrics and simulation studies considered, suggesting that the quality of the VB approximation in general may be quite good for this model. Some minor differences between the two approaches are found and these are discussed. Overall, our work helps to justify the use of VB for the specific model under consideration, and our software implementation of HMC can be used to compliment and check the accuracy of the VB approximation for any given dataset.

研究の動機と目的

• 統計的パラメトリックマッピング（SPM）で用いられる変分ベイズ（VB）近似が、空間的事前分布を伴うfMRI時系列解析においてどの程度正確であるかを評価すること。
• 同じモデルに対して、より正確ではあるが遅い代替手法としてハミルトニアンモンテカルロ（HMC）を新たに開発・実装すること。
• 推定精度、事後分散、推定画像の空間的滑らかさ、計算時間の4つの主要指標においてVBとHMCを比較すること。
• VB近似が実用的なfMRI解析において十分に信頼できるものかどうかを評価すること。
• 任意のデータセットに対してVBの結果を検証する基準として、HMCの実装を提供すること。

提案手法

• 空間的事前分布を伴うベイジアンfMRI時系列モデルに対するハミルトニアンモンテカルロ（HMC）アルゴリズムを導出すること。
• 勾配に基づくサンプリング手法を用いて、VBよりも事後分布をより正確に探索するHMCの実装を行うこと。
• VBでは平均場近似を用いて事後分布を単純化し、高速な計算を可能にすること。
• 複数の性能指標においてVBとHMCを比較するため、制御された条件下でシミュレーションスタディを実施すること。
• 神経生物学的期待に整合するように、推定された活性マップの滑らかさを確保するための空間的事前分布を適用すること。
• VB近似の品質を評価する基準として、HMCの結果をベンチマークとして用いること。

実験結果

リサーチクエスチョン

• RQ1 空間的事前分布を伴うベイジアンfMRI時系列解析において、変分ベイズ（VB）の推定精度はハミルトニアンモンテカルロ（HMC）と比べてどの程度か？
• RQ2 このモデルにおけるVBとHMCの事後分散の違いは何か？
• RQ3 推定された活性マップの空間的滑らかさ特性は、VBとHMCでどのように異なるか？
• RQ4 このモデルにおいて、VBとHMCの間の計算時間のトレードオフはどのようなものか？
• RQ5 この文脈において、VB近似が真の事後分布をどの程度正確に反映しているか？

主な発見

• VBの計算時間は、決定的近似アプローチをとるため、HMCに比べて著しく短い、これは予想通りである。
• 計算コストの差はあっても、推定精度や活性マップの空間的滑らかさを含め、すべての評価指標においてVBとHMCが非常に類似した結果を示した。
• VBとHMCの間にはわずかな差が見られたが、特に事後分散において顕著であったが、それらはVB近似の妥当性を損なうほどではない。
• 結果の高い類似性は、この特定のfMRIモデル（空間的事前分布を伴う）において、平均場VB近似が非常に高品質であることを示唆している。
• HMCの実装は、個々のデータセットに対してVBの結果を検証する信頼できるベンチマークとして機能する。
• 研究結果は、SPMにおけるVBの継続的使用を支持するものであり、HMCが精度検証の補完的ツールとしての価値を持つことを示している。