[論文レビュー] Stable Feature Selection from Brain sMRI

Bo Xin, Lingjing Hu+2 more|arXiv (Cornell University)|Mar 25, 2015

Statistical Methods and Inference参考文献 23被引用数 5

ひとこと要約

本稿では、アルツハイマー病の診断において、空間的連続性と特徴量およびアルツハイマー病ラベル間の正の相関に関する事前知識を組み込んだ非負の一般化融合lasso（n²GFL）モデルを提案する。錐双対性を活用して近接作用素を全変動問題に還元し、高速なネットワークフロー法で解けるようにすることで、最先端の手法と比較して顕著に向上した特徴選択の安定性と分類精度を達成した。lassoと比較して64.4%のマルチセットDice係数（mDC）を達成したのに対し、lassoは26.7%であった。

ABSTRACT

Neuroimage analysis usually involves learning thousands or even millions of variables using only a limited number of samples. In this regard, sparse models, e.g. the lasso, are applied to select the optimal features and achieve high diagnosis accuracy. The lasso, however, usually results in independent unstable features. Stability, a manifest of reproducibility of statistical results subject to reasonable perturbations to data and the model, is an important focus in statistics, especially in the analysis of high dimensional data. In this paper, we explore a nonnegative generalized fused lasso model for stable feature selection in the diagnosis of Alzheimer's disease. In addition to sparsity, our model incorporates two important pathological priors: the spatial cohesion of lesion voxels and the positive correlation between the features and the disease labels. To optimize the model, we propose an efficient algorithm by proving a novel link between total variation and fast network flow algorithms via conic duality. Experiments show that the proposed nonnegative model performs much better in exploring the intrinsic structure of data via selecting stable features compared with other state-of-the-arts.

研究の動機と目的

• 高次元神経画像データにおける特徴選択の不安定性を解消すること。特にアルツハイマー病の診断において。
• 病変ボクセルの空間的連続性と疾患ラベルとの正の相関という病態的事前知識を組み込むことで、選択された特徴の再現性と解釈可能性を向上させること。
• 提案された制約付きモデルに対する効率的かつスケーラブルな最適化アルゴリズムを開発し、CVXのような汎用ソルバーの限界を克服すること。
• 非負性および融合lasso制約の導入が、標準lassoおよび一般化融合lassoを上回る特徴選択の安定性を向上させることを定量的に検証すること。

提案手法

• 特徴量のスパarsity、融合lasso項による病変ボクセルの空間的連続性、および疾患ラベルとの正の相関を反映する非負の係数を強制する非負の一般化融合lasso（n²GFL）モデルを提案する。
• 収束保証のある近接勾配法（例：FISTA）を用い、非負制約を扱えるように拡張する。
• 錐双対性を用いて近接作用素と全変動（TV）問題との間の新規な同値関係を確立し、最小二次コストフロー問題に還元可能であることを示す。
• 高速なネットワークフロー法（例：パラメトリックフロー）を用いて得られたTV問題を効率的に解き、高次元sMRIデータへのスケーラビリティを実現する。
• 解パスにおけるスパarsityと安定性を維持するために、後処理としてソフトスレッショルド処理を適用する。
• 特徴選択の安定性を評価するために、推定安定性（ES）とマルチセットDice係数（mDC）を定量的指標として用いる。

実験結果

リサーチクエスチョン

• RQ1 非負性および空間的統合制約を組み込むことで、高次元sMRIデータにおける特徴選択の安定性が顕著に向上するか？
• RQ2 提案されたn²GFLモデルは、標準lassoおよび一般化融合lassoを上回り、生物学的に妥当で空間的に連続的かつ再現性のあるボクセルをアルツハイマー病診断に適した形で選択できるか？
• RQ3 n²GFLモデルの最適化を大規模sMRIデータセットにスケーラブルに適用可能か、かつ高い精度を維持できるか？
• RQ4 特徴量と疾患ラベルの間の正の相関事前知識を強制することで、特徴選択の不安定性はどの程度低減されるか？

主な発見

• n²GFLモデルはマルチセットDice係数（mDC）0.644を達成し、lasso（0.267）およびGFL（0.374）を大きく上回り、顕著に向上した特徴選択の安定性を示した。
• n²GFLの推定安定性（ES）指標は0.022であり、GFL（0.033）およびlasso（0.035）よりも低く、推定安定性の向上を確認した。
• 10分割交差検証において、n²GFLはsMRIデータのみを用いた全モデルの中で最高の分類精度を達成し、ロジスティック回帰、SVM、スパースモデルを上回った。
• n²GFLが選択した特徴は、海馬や傍海馬回などの初期に影響を受ける既知の領域に空間的に凝集している一方、lassoやT検定/MLDAは散在し、ノイズの可能性があるボクセルを選択していた。
• 提案されたアルゴリズムは、同じ精度でCVXの数百倍の高速さを達成し、高次元sMRIデータにおける効率的最適化を可能にした。
• lassoおよびGFLで観察された不安定性の多くは、正の相関事前知識と一致しない生物学的に非合理的な散在ボクセルに起因しており、n²GFLはこれを効果的に抑制した。