[論文レビュー] Estimation of Expected Euler Characteristic Curves of Nonstationary Smooth Gaussian Random Fields

Armin Schwartzman, Fabian J. E. Telschow+2 more|arXiv (Cornell University)|Aug 7, 2019

Soil Geostatistics and Mapping参考文献 34被引用数 4

ひとこと要約

本論文は、ピン留めされたオイラー特性曲線の線形射影を用いて、非定常な滑らかなガウス型ランダム場のリプシッツ・ケリング・曲率（LKC）の一貫した推定器を提案し、パrametricモデルによる期待オイラー特性（EEC）曲線の効率的推定を可能にする。この手法は非パラメトリック手法と比較して分散と効率性を向上させ、マルチプライヤーブートストラップを用いることで非ガウス型場へも拡張可能であり、2次元のシミュレーション、3次元のfMRI、および宇宙論的2次元球面データで検証された。

ABSTRACT

The expected Euler characteristic (EEC) curve of excursion sets of a Gaussian random field is used to approximate the distribution of its supremum for high thresholds. Viewed as a function of the excursion threshold, the EEC is expressed by the Gaussian kinematic formula (GKF) as a linear function of the Lipschitz-Killing curvatures (LKCs) of the field, which solely depend on the domain and covariance function of the field. So far its use for non-stationary Gaussian fields over non-trivial domains has been limited because in this case the LKCs are difficult to estimate. In this paper, consistent estimators of the LKCs are proposed as linear projections of pinned observed Euler characteristic curves and a linear parametric estimator of the EEC curve is obtained, which is more efficient than its nonparametric counterpart for repeated observations. A multiplier bootstrap modification reduces the variance of the estimator, and allows estimation of LKCs and EEC of the limiting field of non-Gaussian fields satisfying a functional CLT. The proposed methods are evaluated using simulations of 2D fields and illustrated in thresholding of 3D fMRI brain activation maps and cosmological simulations on the 2-sphere.

研究の動機と目的

• 複雑な領域における非定常なガウス型ランダム場のリプシッツ・ケリング・曲率（LKC）を推定する課題に取り組むこと。従来の手法は計算的に不適切であるため、そのような状況では困難である。
• 上位閾値における上界分布の近似に不可欠な、領域集合の期待オイラー特性（EEC）曲線の、一貫性があり効率的な推定器を開発すること。
• 観測データから実用的なLKC推定を可能にすることで、ガウス型運動論的公式（GKF）を非定常的かつ非自明な領域へと拡張すること。
• 関数中心極限定理に従う非ガウス型過程の極限分布に対する推論を可能にするために、マルチプライヤーブートストラップ手法を用いて推定器の分散を低減すること。

提案手法

• 既知の幾何的汎関数の基底へ、ピン留めされた閾値における観測されたオイラー特性曲線を線形射影することで、LKCの推定器を提案する。
• ガウス型運動論的公式（GKF）を活用し、領域と共分散構造の関数としてEECを表現することで、EEC曲線を重み付きLKCの和として表す線形パラメトリックモデルを構築する。
• 繰り返し観測や非ガウス型場の近似に特に有用であるように、LKCおよびEEC推定器の分散を低減するためのマルチプライヤーブートストラップ手順を導入する。
• 実世界のデータ、特に3次元のfMRI脳活性マップと2次元球面上の宇宙論的シミュレーションに、パラメトリックEEC推定器を適用し、その頑健性と効率性を示す。

実験結果

リサーチクエスチョン

• RQ1 解析的計算が不適切な非自明な領域における非定常ガウス型ランダム場のリプシッツ・ケリング・曲率（LKC）を、どのように一貫して推定できるか？
• RQ2 期待オイラー特性（EEC）曲線のパラメトリックモデルは、非パラメトリック推定と比較して、効率性と分散低減の面で優れていると期待できるか？
• RQ3 関数中心極限定理を満たす非ガウス型過程の極限分布に対して、マルチプライヤーブートストラップを用いて、提案手法をどの程度まで拡張できるか？
• RQ4 3次元fMRIや宇宙論的2次元球面データにおける閾値処理の実応用において、提案された推定器はどの程度の性能を示すか？

主な発見

• 提案されたLKCの線形射影推定器は一貫性を達成し、繰り返し観測がある場合に非パラメトリック代替手法と比較して顕著に分散を低減する。
• LKCの射影に基づくパラメトリックEEC推定器は、非パラメトリック推定と比較して高い効率性を示し、上位閾値における上界分布の推論においてより正確で安定した結果を提供する。
• マルチプライヤーブートストラップ手法は、分散の低減に成功し、関数中心極限定理を満たす非ガウス型過程の極限分布に対する有効な推論を可能にする。
• シミュレーションおよび実データ応用、特に3次元fMRIおよび宇宙論的2次元球面場において、EECおよびLKCの推定が正確に行われ、頑健性と実用的価値が示された。