[論文レビュー] Benchmarking confound regression strategies for the control of motion artifact in studies of functional connectivity

Rastko Ćirić, Daniel H. Wolf+12 more|arXiv (Cornell University)|Aug 11, 2016

Functional Brain Connectivity StudiesNeuroscience参考文献 60被引用数 18

ひとこと要約

本研究では、193名の若年成人を用いて、fMRI機能的結合解析における運動アーティファクト低減のための12種類の交絡要因回帰手法をベンチマークした。グローバルシグナル回帰（GSR）は運動-結合関係を最小限に抑えるが、距離依存アーティファクトを悪化させるのに対し、センシング手法は両方のアーティファクトを低減するが自由度を多く消費する。研究目的に応じた手法選択におけるトレードオフが浮き彫りになった。

ABSTRACT

Since initial reports regarding the impact of motion artifact on measures of functional connectivity, there has been a proliferation of confound regression methods to limit its impact. However, recent techniques have not been systematically evaluated using consistent outcome measures. Here, we provide a systematic evaluation of 12 commonly used confound regression methods in 193 young adults. Specifically, we compare methods according to three benchmarks, including the residual relationship between motion and connectivity, distance-dependent effects of motion on connectivity, and additional degrees of freedom lost in confound regression. Our results delineate two clear trade-offs among methods. First, methods that include global signal regression minimize the relationship between connectivity and motion, but unmask distance-dependent artifact. In contrast, censoring methods mitigate both motion artifact and distance-dependence, but use additional degrees of freedom. Taken together, these results emphasize the heterogeneous efficacy of proposed methods, and suggest that different confound regression strategies may be appropriate in the context of specific scientific goals.

研究の動機と目的

• 休息状態fMRI機能的結合研究における運動アーティファクトを制御する12種類の交絡要因回帰戦略の有効性を体系的に評価すること。
• 残存する運動-結合関係、距離依存的運動効果、自由度の損失という3つのベンチマークを用いて、手法を比較すること。
• 既存手法の性能の不均一性を明確にし、研究目的に応じた手法選択を支援すること。
• 運動効果の透明な報告の重要性を強調し、真の結合性と運動由来バイアスを区別すること。

提案手法

• 本研究では、グローバルシグナル回帰、センシング（スクラブィング、スパイク回帰）、CompCor、ICA-AROMA、局所的白質信号回帰を含む12種類の交絡要因回帰手法を評価した。
• 193名の若年成人のデータを、標準化された前処理パイプラインを用いて分析し、領域時間系列間のピアソン相関による機能的結合推定を実施した。
• 3つの評価ベンチマークを適用した：(1) 運動パラメータと機能的結合の間の残存相関、(2) 運動が結合に及ぼす距離依存的効果、(3) 交絡要因回帰による自由度の損失。
• 統計的モデリングにより、各手法が運動と結合の関係にどのように影響を与えるかを評価し、特に短距離接続と長距離接続の差に注目した。
• 公平なベンチマークを確保するため、一貫した結果指標を用いて、1つの大規模かつよく特徴付けられたデータセット上で手法を比較した。
• 集団レベルの推論と個別レベルの運動感受性の両方を分析し、再現性と生物学的妥当性に重点を置いた。

実験結果

リサーチクエスチョン

• RQ1 どの交絡要因回帰手法が、運動と機能的結合の間の残存関係を最も効果的に低減するか？
• RQ2 異なる手法は、特に短距離対長距離接続において、距離依存的運動アーティファクトにどのように影響を与えるか？
• RQ3 交絡要因回帰手法はどの程度自由度を損失し、推論にどのような影響を与えるか？
• RQ4 運動-結合関係と距離依存アーティファクトの両方を過剰なパワー損失なしに同時に最小限に抑える手法は存在するか？
• RQ5 手法選択は、運動の存在下での機能的結合の結果の解釈可能性と信頼性にどのように影響を与えるか？

主な発見

• グローバルシグナル回帰（GSR）は、運動と機能的結合の間の残存関係を最も効果的に低減し、運動由来の誤った相関を減少させた。
• しかし、GSRは距離依存アーティファクトを露呈または悪化させ、短距離接続の結合性を増加させ、長距離接続の結合性を減少させた。
• スクラブィングやスパイク回帰を含むセンシング手法は、GSRよりも両方のアーティファクトをより効果的に軽減した。
• センシング手法は顕著な自由度の損失を引き起こし、統計的パワーを低下させ、結合推定値のばらつきを増加させた。
• 高次元の交絡要因回帰子（例：微分、2次項）を用いる手法は、ランダム回帰子よりもモデル適合度が向上し、ノイズではなく特異的要因を捉えている可能性を示唆した。
• どの手法もすべてのベンチマークで他を上回るとは限らず、研究目的とデータ特性に応じた手法選択が不可欠であることが示された。