[논문 리뷰] Analysis of BOLD fMRI Signal Preprocessing Pipeline on Different Datasets while Reducing False Positive Rates

Yunxiang Ge, Yu Pan외 1명|arXiv (Cornell University)|2017. 12. 27.

Functional Brain Connectivity Studies참고 문헌 20인용 수 3

한 줄 요약

이 연구는 다양한 데이터셋에서 휴식 상태 BOLD fMRI 데이터의 전처리 파이프라인 차이가 통계 분석에서 거짓 양성률을 낮추는 데 미치는 영향을 평가한다. 운동 보정, 정규화, 스무딩, 필터링과 같은 전처리 단계를 체계적으로 변화시켜 분석한 결과, 초기 시간 포인트 제거와 탈트렌드 처리가 거짓 양성을 감소시키며, 단일 환자 분석에서는 필터링이 거짓 양성을 일관되게 낮추는 것으로 나타났다. 그러나 공변량 회귀와 필터링은 데이터셋 간에 복잡한 영향을 미치며, 다양한 영향을 미친다.

ABSTRACT

The technology of functional Magnetic Resonance Imaging (fMRI) based on Blood Oxygen Level Dependent (BOLD) signal has been widely used in clinical treatments and brain function researches. The BOLD signal has to be preprocessed before being analyzed using either functional connectivity measurements or statistical methods. Current researches show that data preprocessing steps may influence the results of analysis, yet there is no consensus on preprocessing method. In this paper, an evaluation method is proposed for analyzing the preprocessing pipeline of resting state BOLD fMRI (rs-BOLD fMRI) data under putative task experiment designs to cast some lights on the preprocessing stage, covering both first and second level analysis. The choices of preprocessing parameters and steps are altered to investigate preprocessing pipelines while observing statistical analysis results, trying to reduce false positives as reported by Eklund et al. in their 2016 PNAS paper. All of the experiment data are separated into 7 datasets, consisting of 220 healthy control samples and 136 patient data that are from 38 incomplete Spinal Cord Injury (SCI) patients and 16 Cerebral Stroke (CS) patients, including multiple scans of some patients at different time. These data were acquired from two different MRI scanners, which may cause difference in analysis results. The evaluation result shows that it has little effect to change parameters in each steps of the classical preprocessing pipeline, which consists head motion correction, normalization and smoothing. Removing time points and the following detrend step can reduce false positives. However, covariates regression and filtering has complicated effects on the data. Note that for single subject analysis, false positives declined consistently after filtering. The result of patient data and healthy controls data which are scanned under the same machine with ...

연구 동기 및 목표

• BOLD fMRI 전처리 파이프라인의 변동이 기능적 연결성 및 작업 기반 분석에서 통계적 거짓 양성률에 미치는 영향을 조사하는 것.
• 건강한 대조군과 척수 손상 또는 뇌졸중 환자를 포함한 여러 데이터셋에서 전처리 선택의 강건성을 평가하는 것.
• 두 대의 다른 MRI 스캐너 간의 차이가 전처리 결과와 통계적 신뢰도에 미치는 영향을 평가하는 것.
• Eklund 등(2016)의 PNAS 논문에서 제기한 타입 I 오류 비율의 과다 증가 문제를 고려할 때, 거짓 양성을 일관되게 감소시키는 전처리 단계를 규명하는 것.
• fMRI 연구에서 통계적 타당성을 향상시키기 위한 근거 기반의 전처리 파이프라인 권고안을 제공하는 것.

제안 방법

• 전통적인 전처리 단계인 머리 운동 보정, 정규화, 스무딩을 체계적으로 평가하며, 파rameter 변화를 고려한다.
• 허위 신호 변동을 줄이기 위해 초기 시간 포인트 제거와 탈트렌드 처리의 영향을 평가한다.
• 공변량 회귀와 시간 필터링이 다양한 데이터셋에서 거짓 양성률에 미치는 영향을 시험한다.
• 분석에 220명의 건강한 대조군과 136명의 환자 스캔(38명의 SCI, 16명의 CS)이 포함되며, 일부 환자에서는 여러 차례 스캔이 이루어졌다.
• 두 대의 다른 MRI 스캐너에서 데이터를 확보하여 전처리 결과의 스캐너 관련 변동성을 평가한다.
• 일차적 분석(단일 환자 수준)과 이차적 분석(군집 수준) 단계에서 통계 분석을 수행하여 다양한 파이프라인 구성에서의 거짓 양성률을 평가한다.

실험 결과

연구 질문

• RQ1 전처리 파rameter의 변동이 rs-BOLD fMRI 데이터에서 거짓 양성률에 어떤 영향을 미치는가?
• RQ2 탈트렌드 처리, 필터링, 공변량 회귀와 같은 전처리 단계 중에서 거짓 양성을 가장 효과적으로 감소시키는 것은 무엇인가?
• RQ3 두 대의 MRI 시스템 간의 차이가 전처리 결과와 통계적 신뢰도에 어떤 영향을 미치는가?
• RQ4 필터링은 건강한 대조군과 환자 집단 양쪽에서 일관되게 거짓 양성을 감소시키는가?
• RQ5 전처리 파이프라인 선택이 기능적 연결성 및 작업 기반 분석의 타당성에 어느 정도 영향을 미치는가?

주요 결과

• 초기 시간 포인트 제거와 탈트렌드 처리는 여러 데이터셋에서 거짓 양성률을 유의미하게 감소시켰다.
• 단일 환자 분석에서 필터링은 거짓 양성을 일관되게 감소시켜, 개인 수준의 fMRI 연구에서의 가치를 시사한다.
• 공변량 회귀와 필터링은 데이터셋과 스캐너 유형에 따라 복잡하고 균일하지 않은 영향을 미치며, 결과가 다양했다.
• 전통적인 전처리 파이프라인(운동 보정, 정규화, 스무딩)은 거짓 양성 증가에 대해 파rameter 변화에 대해 거의 민감하지 않았다.
• 두 MRI 시스템 간의 스캐너 차이는 변동성을 유발했지만, 전처리 선택이 스캐너 유형 자체보다도 통계 오류율에 더 일관된 영향을 미쳤다.
• 이 연구는 fMRI 전처리에서 통계적 타당성을 향상시키기 위해 시간 포인트 제거와 탈트렌드 처리를 신뢰할 수 있는 전략으로 지원한다.