[논문 리뷰] Factorized Binary Search: change point detection in the network structure of multivariate high-dimensional time series

Martin Ondrus, Emily Olds외 1명|arXiv (Cornell University)|2021. 03. 10.

Time Series Analysis and Forecasting인용 수 4

한 줄 요약

이 논문은 고차원 다변량 시계열, 특히 fMRI 데이터에서 다중 변화점 탐지를 위한 새로운 방법인 Factorized Binary Search (FaBiSearch)를 제안한다. 비음수 행렬 분해(NMF)와 이진 탐색 프레임워크를 조합함으로써 FaBiSearch는 기능적 연결성의 동적 변화를 탐지하며, 시뮬레이션에서 기존 방법들을 능가하고, 휴식 상태 및 작업 기반 fMRI 실험에서 피험자 간에 안정적이고 반복 가능한 네트워크 상태를 드러낸다.

ABSTRACT

Functional magnetic resonance imaging (fMRI) time series data presents a unique opportunity to understand the behavior of temporal brain connectivity, and models that uncover the complex dynamic workings of this organ are of keen interest in neuroscience. We are motivated to develop accurate change point detection and network estimation techniques for high-dimensional whole-brain fMRI data. To this end, we introduce factorized binary search (FaBiSearch), a novel change point detection method in the network structure of multivariate high-dimensional time series in order to understand the large-scale characterizations and dynamics of the brain. FaBiSearch employs non-negative matrix factorization, an unsupervised dimension reduction technique, and a new binary search algorithm to identify multiple change points. In addition, we propose a new method for network estimation for data between change points. We seek to understand the dynamic mechanism of the brain, particularly for two fMRI data sets. The first is a resting-state fMRI experiment, where subjects are scanned over three visits. The second is a task-based fMRI experiment, where subjects read Chapter 9 of Harry Potter and the Sorcerer's Stone. For the resting-state data set, we examine the test-retest behavior of dynamic functional connectivity, while for the task-based data set, we explore network dynamics during the reading and whether change points across subjects coincide with key plot twists in the story. Further, we identify hub nodes in the brain network and examine their dynamic behavior. Finally, we make all the methods discussed available in the R package fabisearch on CRAN.

연구 동기 및 목표

• 기능적 연결성이 비정상적일 것으로 기대되는 fMRI 데이터와 같은 고차원 다변량 시계열에서 다중 변화점을 효율적으로 탐지할 수 있는 확장 가능한 방법을 개발하는 것.
• 이동 윈도우 접근법과 전통적 변화점 탐지 방법의 한계를 해결하여, 최소한의 가정으로 고차원 비정상적 데이터에서 정확한 탐지를 가능하게 하는 것.
• 탐지된 변화점 간에 비판적이고 해석 가능한 네트워크 구조를 추정하기 위해 공통 행렬 기반의 새로운 그래프 추정 방법을 사용하는 것.
• 실제 fMRI 데이터셋에서 뇌의 동적 기능적 연결성을 탐색하며, 휴식 상태에서의 재측정 신뢰도와 서사 작업 중 네트워크의 진화를 분석하는 것.
• 신경과학 및 시계열 분석 분야에서의 광범위한 활용을 위해 CRAN에 R 패키지(fabisearch)로 공개하는 것.

제안 방법

• FaBiSearch는 고차원 시계열 데이터의 차원을 줄이고 잠재적 의존 구조를 추출하기 위해 비음수 행렬 분해(NMF)를 사용한다.
• 새로운 이진 탐색 알고리즘이 시계열을 반복적으로 분할하고 NMF 기반 복원 오차를 평가하여 다중 변화점을 효율적으로 탐지한다.
• 변화점의 수와 위치는 사전에 알려져 있지 않으며, 최적의 분할을 결정하기 위해 통계 기준을 사용한다.
• 변화점 간에는 이진 연결 행렬에서 유도된 공통 행렬을 기반으로 한 새로운 네트워크 추정 방법이 그래프를 구성하며, 양의 관계(0에서 1 사이)만 모델링한다.
• 공통 행렬은 다수의 이진 연결 행렬의 산술 평균으로 계산되어 강건성과 해석 가능성을 향상시킨다.
• 방법론은 시뮬레이션을 통해 검증되었으며, 세 차례 방문 기록이 있는 휴식 상태 연구와 서사를 읽는 데 참여한 작업 기반 연구를 포함하는 두 개의 실제 fMRI 데이터셋에 적용되었다.

실험 결과

연구 질문

• RQ1 FaBiSearch는 기존 방법들과 비교해 고차원 비정상적 fMRI 시계열에서 다중 변화점을 얼마나 정확하게 탐지할 수 있는가?
• RQ2 FaBiSearch를 사용할 때 휴식 상태 fMRI 데이터에서 동적 기능적 연결성의 재측정 신뢰도는 어떠한가?
• RQ3 서사 작업 중 기능적 연결성의 변화점은 서사의 핵심 전개와 일치하는가?
• RQ4 휴식 상태 및 작업 기반 fMRI 실험에서 피험자 간에 안정적이고 반복 가능한 네트워크 상태가 존재하는가?
• RQ5 뇌 네트워크의 허브 노드는 탐지된 변화점 간에 어떻게 동적으로 행동하는가?

주요 결과

• 모든 시뮬레이션 평가 기준에서 FaBiSearch는 기존의 네트워크 변화점 탐지(NCPD) 방법보다 뛰어난 정확도를 보이며 변화점 탐지 성능이 뛰어나다.
• 시뮬레이션 결과, FaBiSearch는 NCPD보다 유의미하게 높은 탐지 정확도를 달성했지만, 평균 100회 반복 시 25.04분 대비 0.75분으로 상당히 더 많은 계산 시간이 소요되었다.
• 휴식 상태 fMRI 데이터에서는 FaBiSearch가 다수의 변화점을 탐지하여 피험자와 방문 간에 안정적인 동적 기능적 연결성 패턴을 드러내었으며, 이는 양호한 재측정 신뢰도를 시사한다.
• 작업 기반 fMRI 실험에서는 변화점이 하리 포터의 9장에서 핵심 전개와 일치함을 확인하여, 네트워크의 동적 변화가 서사의 인지적 처리를 반영한다는 것을 시사한다.
• 이 방법은 피험자 간에 공통적인 네트워크 상태를 식별하여, 휴식 및 작업 조건에서 일관된 대규모 기능적 조직이 존재함을 나타낸다.
• 뇌 네트워크의 허브 노드는 탐지된 변화점 간에 동적으로 행동하며, 연결 패턴이 변화함을 보여주어, 적응적 네트워크 재구성에 있어 그들의 역할을 강조한다.