[論文レビュー] Analysis of BOLD fMRI Signal Preprocessing Pipeline on Different Datasets while Reducing False Positive Rates

Yunxiang Ge, Yu Pan+1 more|arXiv (Cornell University)|Dec 27, 2017

Functional Brain Connectivity Studies参考文献 20被引用数 3

ひとこと要約

本研究では、複数のデータセットにおける静止状態BOLD fMRIデータに対して、さまざまな前処理パイプラインの影響を評価し、統計解析における誤り陽性率を低減することを目的としている。運動補正、正規化、平滑化、フィルタリングといった前処理ステップを体系的に変更することで、初期の時間点を除去し、トレンド除去を行うことで誤り陽性が低減することが判明した。一方、フィルタリングは単一被験者解析において一貫して誤り陽性を低減したが、共変量回帰とフィルタリングの効果はデータセット間で複雑で一様でないことが明らかになった。

ABSTRACT

The technology of functional Magnetic Resonance Imaging (fMRI) based on Blood Oxygen Level Dependent (BOLD) signal has been widely used in clinical treatments and brain function researches. The BOLD signal has to be preprocessed before being analyzed using either functional connectivity measurements or statistical methods. Current researches show that data preprocessing steps may influence the results of analysis, yet there is no consensus on preprocessing method. In this paper, an evaluation method is proposed for analyzing the preprocessing pipeline of resting state BOLD fMRI (rs-BOLD fMRI) data under putative task experiment designs to cast some lights on the preprocessing stage, covering both first and second level analysis. The choices of preprocessing parameters and steps are altered to investigate preprocessing pipelines while observing statistical analysis results, trying to reduce false positives as reported by Eklund et al. in their 2016 PNAS paper. All of the experiment data are separated into 7 datasets, consisting of 220 healthy control samples and 136 patient data that are from 38 incomplete Spinal Cord Injury (SCI) patients and 16 Cerebral Stroke (CS) patients, including multiple scans of some patients at different time. These data were acquired from two different MRI scanners, which may cause difference in analysis results. The evaluation result shows that it has little effect to change parameters in each steps of the classical preprocessing pipeline, which consists head motion correction, normalization and smoothing. Removing time points and the following detrend step can reduce false positives. However, covariates regression and filtering has complicated effects on the data. Note that for single subject analysis, false positives declined consistently after filtering. The result of patient data and healthy controls data which are scanned under the same machine with ...

研究の動機と目的

• BOLD fMRIの前処理パイプラインの変動が、機能的結合性およびタスクベース解析における統計的誤り陽性率に与える影響を調査すること。
• 健常被験者および脊髄損傷または脳血管障害を有する被験者を含む複数のデータセットにおいて、前処理選択の妥当性を評価すること。
• 2種類のMRIスキャナの差異が、前処理の結果および統計的信頼性に与える影響を評価すること。
• Eklundら（2016年、PNAS）の報告にあるように、タイプIエラー率が高くなる可能性がある状況において、誤り陽性を一貫して低減する前処理ステップを同定すること。
• fMRI研究における統計的妥当性を高めるための、証拠に基づく前処理パイプラインの推奨事項を提示すること。

提案手法

• 古典的な前処理ステップ（頭部運動補正、正規化、平滑化）の体系的評価を実施し、パラメータの変更を含む。
• 誤った信号フラクチュエーションを低減するため、初期時間点の除去およびトレンド除去の効果を評価した。
• 共変量回帰と時間的フィルタリングが、複数のデータセットにおける誤り陽性率に与える影響をテストした。
• 220名の健常被験者および136例の患者スキャン（38例がSCI、16例がCS）を含み、一部の被験者には複数回のスキャンデータが含まれた。
• 前処理結果のスキャナ関連のばらつきを評価するため、2種類の異なるMRIスキャナからデータを取得した。
• 第一段階（被験者単位）および第二段階（集団単位）の統計解析を実施し、異なるパイプライン設定下での誤り陽性率を評価した。

実験結果

リサーチクエスチョン

• RQ1 前処理パラメータの変動が、rs-BOLD fMRIデータにおける誤り陽性率にどのように影響するか？
• RQ2 トレンド除去、フィルタリング、共変量回帰といった前処理ステップの中で、誤り陽性を最も効果的に低減するのはどれか？
• RQ3 2種類のMRIシステム間の差異が、前処理の結果および統計的信頼性にどのように影響するか？
• RQ4 フィルタリングは、健常被験者および患者集団の両方において、一貫して誤り陽性を低減するか？
• RQ5 前処理パイプラインの選択が、機能的結合性およびタスクベース解析の妥当性にどの程度影響を及えるか？

主な発見

• 初期時間点の除去およびトレンド除去を実施することで、複数のデータセットにおいて誤り陽性率が顕著に低減した。
• フィルタリングは単一被験者解析において一貫して誤り陽性を低減したため、個別レベルのfMRI研究においてその価値が示された。
• 共変量回帰とフィルタリングの効果は、データセットおよびスキャナタイプによって複雑かつ一様でない影響を示した。
• 古典的な前処理パイプライン（運動補正、正規化、平滑化）は、誤り陽性の増加に対してパラメータ変更に対してほとんど感受性を示さなかった。
• 2台のMRIスキャナ間の差異がばらつきをもたらしたが、スキャナタイプそのものよりも、前処理の選択が統計的誤差率により一貫した影響を及えた。
• 本研究は、統計的妥当性を高めるために、時間点の除去とトレンド除去を信頼できる戦略として支持する。