[논문 리뷰] Notes on Creating a Standardized Version of DVARS

Thomas E. Nichols|arXiv (Cornell University)|2017. 04. 05.

Geochemistry and Geologic Mapping참고 문헌 1인용 수 23

한 줄 요약

이 논문은 fMRI 스캐너와 데이터셋 간의 비교성을 향상시키기 위해 병렬적으로 병합된 영역의 잡음 분산과 시간 자기상관을 AR(1) 모델을 통해 고려한 표준화된 DVARS 버전(DVARS*)을 제안한다. 이 방법은 표준편차와 AR(1) 상관관계에 대한 강력한 추정치를 사용하여 DVARS를 정규화함으로써, 스캐너 특유의 신호 특성과 무관하게 잡음 수준을 보다 잘 반영하는 단위가 없는 지표를 도출한다.

ABSTRACT

By constructing a sampling distribution for DVARS we can create a standardized version of DVARS that should be more similar across scanners and datasets.

연구 동기 및 목표

• 다양한 fMRI 스캐너와 데이터셋 간의 DVARS 값 간 비교성 부족 문제를 해결하기 위해, 잡음 분산과 시간 자기상관의 변화를 고려한다.
• 스캐너 및 데이터셋 특유의 스케일링 효과를 제거한 표준화된 DVARS 지표를 개발한다.
• fMRI 데이터에서 운동 및 기타 잡음의 탐지를 위한 DVARS의 해석 가능성을 향상시킨다.
• AR(1) 잡음 모델 하에서 잘 정의된 표본 분포를 기반으로 DVARS에 대한 공식적인 통계적 기반을 제공한다.
• 다중 기관 fMRI 연구에서의 신뢰성 있는 품질 관리 가능성을 높이기 위해, 획득 파rameter에 기인한 DVARS의 변동성을 줄인다.

제안 방법

• 각 병합 영역에서 fMRI 잡음을 AR(1) 과정으로 모델링하며, 공간-시간적 상관관계가 분리 가능하다고 가정한다.
• 시간 차분의 기대 분산을 유도한다: $ 2(1 - \rho_i)\sigma_i^2 $, 여기서 $ \sigma_i $는 병합 영역 특화된 잡음 표준편차이고 $ \rho_i $는 AR(1) 상관계수이다.
• DVARS*를 z-점수 유사한 표준화 방식으로 제안한다: $ \text{DVARS}^*_t = \frac{\sqrt{\frac{1}{I}\sum_i (Y_{i,t} - Y_{i,t-1})^2}}{\sqrt{\frac{1}{I}\sum_i 2(1 - \rho_i)\sigma_i^2}} $, AR(1) 모델 하에서 기대 분산으로 정규화한다.
• 외곽치에 대한 민감도를 줄이기 위해 $ \sigma_i $에 대해 IQR 기반 추정을 사용한다.
• 병합 영역별 표준화 변형인 DVARS**를 고려하며, 각 병합 영역의 차분을 그 기대 분산으로 정규화함으로써 비운동성 잡음에 대한 감도를 향상시킬 수 있다.
• FSL 도구(예: fslmaths)를 사용하여 구현하며, $ \rho_i $ 추정에 대해 이용 가능한 -ar1 옵션을 활용한다.

실험 결과

연구 질문

• RQ1 잡음 분산과 시간 자기상관을 고려함으로써, 다양한 스캐너와 데이터셋 간의 DVARS 변동성을 줄이기 위해 DVARS를 표준화할 수 있는가?
• RQ2 실제적인 잡음 모델인 AR(1) 하에서 DVARS에 대한 공식적인 표본 분포를 어떻게 도출할 수 있는가?
• RQ3 표준편차 $ \sigma_i $와 상관계수 $ \rho_i $에 대해 강력한 추정치를 사용할 경우, 표준화된 DVARS의 신뢰성에 어떤 영향을 미치는가?
• RQ4 표준화가 다양한 기관 간 fMRI 잡음 탐지에 있어 DVARS의 해석 가능성과 비교성에 어떻게 기여하는가?
• RQ5 제안된 표준화 방식은 기존 DVARS에 비해 비운동성 관련 잡음에 대해 감도가 향상되는가?

주요 결과

• 제안된 표준화된 DVARS*는 AR(1) 잡음 모델 하에서 기대 분산으로 원래 DVARS를 정규화하여, 스캐너 간에 더 비교 가능한 단위가 없는 지표를 도출한다.
• 병합 영역 별 시간 차분의 기대 분산은 $ 2(1 - \rho_i)\sigma_i^2 $로 도출되었으며, 이는 표준화의 이론적 기초를 제공한다.
• 사분위간 범위(IQR)를 사용한 $ \sigma_i $의 강력한 추정은 외곽치 존재 시 안정성을 향상시킨다.
• 표준화 과정은 스캐너 및 획득 프로토콜에 따라 변동하는 절대 신호 분산과 시간 자기상관에 대한 의존도를 감소시킨다.
• 다른 변형인 DVARS**는 고분산의 가장자리 병합 영역을 가중치를 낮춤으로써 비운동성 잡음에 대해 더 민감할 수 있다.
• 이 방법은 기존 FSL 도구를 사용하여 구현 가능하며, 특히 $ \rho_i $ 추정에 -ar1 옵션을 활용한 fslmaths를 통해 실행할 수 있다.