[論文レビュー] A Novel Approach for Stable Selection of Informative Redundant Features from High Dimensional fMRI Data

Yilun Wang, Zhiqiang Li+5 more|arXiv (Cornell University)|Jun 27, 2015

Face and Expression Recognition参考文献 58被引用数 7

ひとこと要約

本論文は、安定性選択とエラスティックネット正則化を組み合わせた新規特徴選択手法を提案し、高次元のfMRIデータにおけるバイオマーカー同定の安定性、耐性、解釈可能性を向上させる。従来の手法で無視されてきた情報的な重複特徴を選択することで、誤検出および見逃し検出の制御を優れたものにし、ノイズのあるラベルとデータ変動下での合成データおよびマルチセンターADHD fMRIデータセットで検証された。

ABSTRACT

Feature selection is among the most important components because it not only helps enhance the classification accuracy, but also or even more important provides potential biomarker discovery. However, traditional multivariate methods is likely to obtain unstable and unreliable results in case of an extremely high dimensional feature space and very limited training samples, where the features are often correlated or redundant. In order to improve the stability, generalization and interpretations of the discovered potential biomarker and enhance the robustness of the resultant classifier, the redundant but informative features need to be also selected. Therefore we introduced a novel feature selection method which combines a recent implementation of the stability selection approach and the elastic net approach. The advantage in terms of better control of false discoveries and missed discoveries of our approach, and the resulted better interpretability of the obtained potential biomarker is verified in both synthetic and real fMRI experiments. In addition, we are among the first to demonstrate the robustness of feature selection benefiting from the incorporation of stability selection and also among the first to demonstrate the possible unrobustness of the classical univariate two-sample t-test method. Specifically, we show the robustness of our feature selection results in existence of noisy (wrong) training labels, as well as the robustness of the resulted classifier based on our feature selection results in the existence of data variation, demonstrated by a multi-center attention-deficit/hyperactivity disorder (ADHD) fMRI data.

研究の動機と目的

• 限られたサンプル数を伴う高次元fMRIデータにおける従来の多次元特徴選択の不安定さと信頼性の低さに対処する。
• 複数のfMRIセンター間でのデータ変動およびノイズのある訓練ラベル下でも、特徴選択の耐性を向上させる。
• 従来の手法で無視されてきた情報的な重複特徴の選択を可能とし、バイオマーカーの解釈可能性と分類器の汎化性能を向上させる。
• 古典的単変量t検定がラベルノイズ下でなぜ不適切であるかを示す。
• 複雑で相関の高いデータにおいて、潜在的な神経画像バイオマーカーを特定する安定的かつ再現可能な手法を提供する。

提案手法

• 高次元特徴空間における誤検出と見逃し検出を同時に制御するため、安定性選択とエラスティックネット正則化を統合する。
• 訓練データの複数のランダムサブセットに対してサブサンプリングを用いて安定性選択を適用し、特徴選択の安定性を推定する。
• 相関のある特徴を処理し、情報的な重複特徴を選択するために、エラスティックネットの混合L1/L2正則化を用いる。
• 安定性選択による選択頻度とエラスティックネットの係数圧縮を組み合わせ、安定的かつ情報的な特徴を同定する。
• 誤検出率を制御するため、安定性選択の理論的保証を用いて選択閾値を最適化する。
• 選択された特徴に基づき最終的な分類器を学習し、データ変動およびラベルノイズ下での汎化性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 安定性選択とエラスティックネットのハイブリッド手法は、高次元fMRIデータにおける特徴選択の安定性と信頼性を向上させることができるか？
• RQ2 情報的な重複特徴の組み込みが、同定されたバイオマーカーの解釈可能性と耐性に与える影響は何か？
• RQ3 ノイズのある訓練ラベル下で、本手法は古典的単変量t検定をどの程度上回るか？
• RQ4 複数のfMRIセンター間でのデータ変動下でも、特徴選択およびその結果得られる分類器の耐性はどの程度か？
• RQ5 実世界の神経画像応用において、本手法は誤検出と見逃し検出の両方を効果的に制御できるか？

主な発見

• 本手法は、従来の多次元および単変量手法と比較して、誤検出および見逃し検出を顕著に低減した。
• 本手法は情報的な重複特徴を効果的に同定し、得られたバイオマーカー集合の解釈可能性を向上させた。
• 訓練ラベルの最大20％がノイズで汚されていても、特徴選択の結果は安定的かつ信頼性があるままであった。
• 本手法で選択された特徴に基づく分類器は、複数のセンターのADHD fMRIデータセットにおいて良好な汎化性能を示した。
• 本研究では、古典的単変量t検定がラベルノイズ下で極めて耐性が低いことが初めて実証された一方で、本手法は一貫した性能を維持した。
• 安定性選択とエラスティックネットの統合により、高次元fMRIデータにおけるより耐性があり再現可能な特徴選択パイプラインが得られた。