[論文レビュー] Towards Robust and Specific Causal Discovery from fMRI.

Kun Zhang, Biwei Huang+4 more|arXiv (Cornell University)|Sep 27, 2015

Functional Brain Connectivity Studies被引用数 3

ひとこと要約

本稿では、fMRI における時間的・条件別に特化した制約ベースの因果発見手法を提案する。時間や実験的条件を追加の変数として扱うことで、頑健性と特異性を向上させる。神経活動周波数における時間遅れ条件付き独立性を活用することで、誤った接続を低減し、正確な因果スケルトンおよび方向特定を可能にする。シミュレートされたデータおよび実際のfMRIデータを用いた検証で、優れた性能を示した。

ABSTRACT

There are several issues with causal discovery from fMRI. First, the sampling frequency is so low that the time-delayed dependence between different regions is very small, making time-delayed causal relations weak and unreliable. Moreover, the complex correspondence between neural activity and the BOLD signal makes it difficult to formulate a causal model to represent the effect as a function of the cause. Second, the fMRI experiment may last a relatively long time period, during which the causal influences are likely to change along with certain unmeasured states (e.g., the attention) of the subject which can be written as a function of time, and ignoring the time-dependence will lead to spurious connections. Likewise, the causal influences may also vary as a function of the experimental condition (e.g., health, disease, and behavior). In this paper we aim to develop a principled framework for robust and time- or condition-specific causal discovery, by addressing the above issues. Motivated by a simplified fMRI generating process, we show that the time-delayed conditional independence relationships at the proper causal frequency of neural activities are consistent with the instantaneous conditional independence relationships between brain regions in fMRI recordings. Then we propose an enhanced constraint-based method for robust discovery of the underlying causal skeletons, where we include time or condition as an additional variable in the system; it helps avoid spurious causal connections between brain regions and discover time- or condition-specific regions. It also has additional benefit in causal direction determination. Experiments on both simulated fMRI data and real data give encouraging results.

研究の動機と目的

• 低サンプリング周波数のためのfMRIにおける弱く信頼性の低い時間遅れ因果関係の課題に対処する。
• BOLD信号のダイナミクスをモデル化する難しさを克服するため、時間遅れ神経活動依存性を即時のfMRIレベルの条件付き独立性に結びつける。
• 時間的変動性および条件依存性を持つ因果構造をfMRIで扱うために、時間または実験的条件を因果モデルに明示的な変数として導入する。
• 神経レベルの時間遅れとfMRIレベルの即時の条件付き独立性の整合性を活用することで、因果スケルトンの回復と方向特定を向上させる。
• fMRIデータにおける時間的または条件別因果関係を検出する原理的で頑健なフレームワークを開発する

提案手法

• 神経活動における時間遅れ依存性とfMRI記録における即時の条件付き独立性を結びつける、簡略化されたfMRI生成プロセスを提案する。
• 時間遅れや条件別依存性をモデル化するため、制約ベースの因果発見フレームワークに時間または実験的条件を追加の変数として用いる。
• 未測定の時間的変動状態が原因で生じる誤った接続を回避するため、強化された制約ベース手法を適用して因果スケルトンを発見する。
• 神経活動周波数における時間遅れ条件付き独立性とfMRIにおける即時条件付き独立性の整合性を活用して、因果構造推定を改善する。
• 時間または条件を交絡要因に似た変数として統合し、動的な因果的影響と誤った相関を分離する。
• 追加の変数を活用して、条件付き独立性検定における曖昧さを低減し、因果方向の特定を向上させる

実験結果

リサーチクエスチョン

• RQ1 神経活動周波数における時間遅れ条件付き独立性は、fMRIデータにおける即時の条件付き独立性に信頼性を持ってマッピング可能か？
• RQ2 サンプリング周波数が低く、BOLDダイナミクスが複雑なfMRIにおいて、時間的または条件別因果構造をどのように頑健に発見できるか？
• RQ3 時間または実験的条件を変数として含めることで、fMRIにおける因果スケルトン回復の正確性はどの程度向上するか？
• RQ4 未測定の時間的変動状態（例：注意）が原因で生じる誤った因果的接続を、提案手法は低減できるか？
• RQ5 時間または条件を変数として組み込むことで、fMRIデータにおける因果方向特定の精度は向上するか？

主な発見

• 神経活動周波数における時間遅れ条件付き独立性関係は、fMRI記録における即時の条件付き独立性と整合的であり、手法の基礎を裏付けた。
• 時間または実験的条件を追加の変数として含めることで、fMRIデータにおける誤った因果的接続が顕著に低減された。
• 提案手法は、時間的または条件別因果スケルトンを効果的に回復でき、未測定の時間的変動状態への頑健性が向上した。
• 追加の変数を活用することで、条件付き独立性検定における曖昧さを解消し、因果方向の特定を向上させた。
• シミュレートされたfMRIデータを用いた実験では、標準的な制約ベース手法と比較して、因果構造回復の正確性が向上した。
• 実際のfMRIデータを用いた実験では、有望な結果が得られ、妥当な条件別因果ネットワークが同定された。