[論文レビュー] Autocorrelation bias still exists in fMRI results

Wiktor Olszowy, Guy Williams+2 more|arXiv (Cornell University)|Nov 27, 2017

Functional Brain Connectivity Studies参考文献 31被引用数 2

ひとこと要約

本研究は、休息状態およびタスクベースのスキャンを含む10のデータセットを用いて、fMRIソフトウェアパッケージの3つ—AFNI、FSL、SPM—における時間的自己相関モデリングを評価した。FSLとSPMはAFNIと比較して、より高い偽陽性率と、より劣った事前ホワイトニング効果を示した。特にSPMは長時間のTRスキャンで負の自己相関を導入し、FSLは低設計周波数仮定下で顕著なノイズ自己相関を除去できなかった。

ABSTRACT

Given the recent trend towards validating the neuroimaging statistical methods, we compared the most popular functional magnetic resonance imaging (fMRI) analysis softwares: AFNI, FSL and SPM, with regard to temporal autocorrelation modelling. We used both resting state and task-based fMRI data, altogether 10 datasets containing 780 scans corresponding to different scanning sequences and different subject populations. In analyses of each fMRI scan we considered different assumed experimental designs, as well as different spatial smoothing levels and different detrending options. For data used as null data the use of FSL and SPM resulted in much higher false positive rates than the use of AFNI. On the other hand, due to SPM modelling temporal autocorrelation in the least flexible way, it can introduce negative autocorrelations during pre-whitening for scans with long repetition times. For one dataset we observed a big loss of sensitivity when SPM was used. Interestingly, because pre-whitening in FSL and SPM does not remove a substantial part of the temporal autocorrelation in the noise, we observed a relationship that the lower the assumed experimental design frequency, the more likely it was to observe significant activation. Though temporal autocorrelation modelling in AFNI was not perfect, its performance was much higher than the performance of temporal autocorrelation modelling in FSL and SPM. FSL and SPM could improve their autocorrelation modelling approaches for example adopting a noise model similar to the one used by AFNI.

研究の動機と目的

• AFNI、FSL、SPMにおけるfMRI解析の時間的自己相関モデリングの正確性を評価すること。
• 異なる実験設計、スムージングレベル、デトレンド法が偽陽性率に与える影響を調査すること。
• 繰返し時間（TR）が自己相関モデリングに与える影響、特にSPMの事前ホワイトニング手順における影響を評価すること。
• 同一のデータ条件下で、ソフトウェアツール間の活性検出感度と特異度を比較すること。
• 現在のfMRIソフトウェアにおける短所を特定し、それらがタイプIエラー率の上昇や統計的パワーの低下を引き起こす可能性があるかを同定すること。

提案手法

• AFNI、FSL、SPMを、多様なスケジュールと被験者群から得た10のfMRIデータセット（780スキャン）を用いて比較した。
• 多様な実験設計、空間的スムージングレベル、デトレンドオプションを適用し、耐性性を評価した。
• 同一の前処理およびモデリング条件の下で、ソフトウェアパッケージ間の偽陽性率を評価するために、ノイズデータ（ヌルデータ）を用いた。
• SPMとFSLにおける事前ホワイトニングのパフォーマンスを分析し、残存する自己相関または人工的に導入された自己相関を検出した。
• 特にSPMのモデリングが最も柔軟性に欠ける長時間TRスキャンにおいて、活性検出の感度低下を評価した。
• 仮定された設計周波数と有意水準の関係を定量化し、特にFSLとSPMにおいて注目した。

実験結果

リサーチクエスチョン

• RQ1 AFNI、FSL、SPMは、fMRIデータにおける時間的自己相関モデリングにおいて、どのように比較されるか？
• RQ2 繰返し時間（TR）は、特にSPMの事前ホワイトニングプロセスにおける自己相関モデリングにどのような影響を与えるか？
• RQ3 仮定された実験設計周波数は、FSLとSPMにおける偽陽性検出率にどのような影響を与えるか？
• RQ4 FSLとSPMにおける事前ホワイトニングは、ノイズ内の残存時間的自己相関をどの程度除去できるか？
• RQ5 なぜSPMは1つのデータセットで顕著な感度喪失を示し、これはその自己相関モデリングと関連しているのか？

主な発見

• FSLとSPMは、ヌルデータを用いた際、AFNIと比較して顕著に高い偽陽性率を示し、タイプIエラーの制御が劣っていることがわかった。
• SPMは長時間のTRスキャンにおいて、事前ホワイトニング中に負の自己相関を導入しており、ノイズ構造の不柔軟なモデリングが原因である可能性が高い。
• 低めの仮定された実験設計周波数と、FSLおよびSPMにおける有意な活性検出の可能性の増加との間に強い相関が観察された。これは、時間的自己相関が不完全に除去されているためである。
• AFNIの自己相関モデリングは完璧ではないが、統計的妥当性の維持と偽陽性の低減において、FSLおよびSPMを上回った。
• FSLとSPMは、特に低設計周波数仮定下で、ノイズ内の時間的自己相関の大部分を除去できなかった。
• 本研究は、FSLとSPMがAFNIのものに類似したノイズモデルを採用することで、自己相関モデリングを改善できる可能性を示唆している。