[논문 리뷰] A multiple filter test for change point detection in renewal processes with varying variance

Michael Messer, Marietta Kirchner외 4명|arXiv (Cornell University)|2013. 03. 14.

Neural dynamics and brain function인용 수 3

한 줄 요약

이 논문은 변동하는 분산을 가진 재생 과정에서 변화점 탐지를 위한 다중 필터 테스트를 제안한다. 동시에 움직이는 윈도우와 가우시안 과정 근사에 기반한 기각 기준을 설정하여, 단일 윈도우 방법보다 탐지 능력을 향상시킨다. 비정상적인 스파이크 트레인에서 다중 변화점을 식별하며, 70% 이상의 비정상적인 도파민 뉴런 기록에서 윈도우 크기에 따라 다른 변화점이 나타났다.

ABSTRACT

Nonstationarity of the event rate is a persistent problem in modeling time series of events, such as neuronal spike trains. Motivated by a variety of patterns in neurophysiological spike train recordings, we define a general class of renewal processes. This class is used to test the null hypothesis of stationary rate versus a wide alternative of renewal processes with finitely many rate changes (change points). Our test extends ideas from the filtered derivative approach by using multiple moving windows simultaneously. To adjust the rejection threshold of the test, we use a Gaussian process, which emerges as the limit of the filtered derivative process. We also develop a multiple filter algorithm, which can be used when the null hypothesis is rejected in order to estimate the number and location of change points. We analyze the benefits of multiple filtering and its increased detection probability as compared to a single window approach. Application to spike trains recorded from dopamine midbrain neurons in anesthetized mice illustrates the relevance of the proposed techniques as preprocessing steps for methods that assume rate stationarity. In over 70% of all analyzed spike trains classified as rate nonstationary, different change points were detected by different window sizes.

연구 동기 및 목표

• 이벤트 시간 시계열(예: 뉴런 스파이크 트레인)에서 사건 빈도가 시간에 따라 변화하는 비정상성 문제를 다루기 위해.
• 정상성 가설 하에서 레이트 정상성의 경우에 다중 변화점을 탐지할 수 있는 통계적 검정을 개발하기 위해.
• 단일 윈도우 크기 의존에서 벗어나 동시에 다수의 이동 윈도우를 사용하여 탐지 능력을 향상시키기 위해.
• 후속 분석에서 레이트 정상성에 기반하는 전처리 방법으로 강력한 성능을 보이기 위해.
• 정상성 가설이 기각되었을 때 변화점의 수와 위치를 추정하기 위해 전용 다중 필터 알고리즘을 사용하기 위해.

제안 방법

• 다양한 크기의 다중 이동 윈도우를 사용한 필터링 도함수 방법을 통해 사건 빈도의 변화를 탐지한다.
• 가우시안 과정 근사를 이용해 필터링 도함수 과정의 점근적 분포를 유도하여 정확한 기각 기준을 설정한다.
• 정상성 가설이 기각되었을 때 변화점의 수와 위치를 추정하기 위해 다중 필터 알고리즘을 개발한다.
• 유한한 수의 레이트 변화가 있는 재생 과정에 테스트를 적용하며, 세그먼트 간 분산이 다를 수 있도록 허용한다.
• 시간에 따라 변화하는 강도를 가진 재생 과정으로 모델링하여 스파이크 트레인 데이터의 의존성 구조를 고려한다.
• 마취된 마우스의 도파민 중뇌 뉴런으로부터의 시뮬레이션 및 실제 신경생리학적 데이터를 사용해 방법을 검증한다.

실험 결과

연구 질문

• RQ1 단일 윈도우 방법과 비교해 복수의 이동 윈도우가 비정상적인 재생 과정에서 변화점 탐지 능력을 향상시키는가?
• RQ2 가우시안 과정 근사는 변화점 검정에서 기각 기준의 정확성을 어떻게 향상시키는가?
• RQ3 실제 스파이크 트레인 데이터에서 다양한 윈도우 크기로 일관된 변화점 추정이 이루어지는가?
• RQ4 비정상성이 존재할 때 다중 필터 알고리즘이 변화점의 수와 위치를 얼마나 효과적으로 추정하는가?
• RQ5 비정상적인 스파이크 트레인 중 윈도우 크기에 따라 일관되지 않은 다중 변화점이 나타나는 비율은 어느 정도인가?

주요 결과

• 다중 필터 테스트는 다양한 윈도우 크기에서의 상호보완적 정보를 활용함으로써 단일 윈도우 방법보다 탐지 능력을 크게 향상시킨다.
• 비정상으로 분류된 스파이크 트레인의 70퍼센트 이상에서 윈도우 크기에 따라 다른 변화점이 탐지되었다.
• 가우시안 과정 근사는 정상성 가설 하에서 테스트의 기각 기준을 신뢰할 수 있고 이론적으로 탄탄한 방법을 제공한다.
• 정상성 가설이 기각되었을 때 다중 필터 알고리즘이 변화점의 수와 위치를 성공적으로 추정한다.
• 이 방법은 도파민 중뇌 뉴런 스파이크 트레인의 비정상성을 효과적으로 식별하며, 레이트 정상성에 의존하는 분석의 전처리 도구로서의 관련성을 드러낸다.
• 결과적으로 윈도우 크기 선택이 변화점 탐지에 결정적인 영향을 미치며, 다중 윈도우 분석이 강력한 추론을 위해 필수적임을 보여준다.