[논문 리뷰] Towards Robust and Specific Causal Discovery from fMRI.

Kun Zhang, Biwei Huang외 4명|arXiv (Cornell University)|2015. 09. 27.

Functional Brain Connectivity Studies인용 수 3

한 줄 요약

이 논문은 시간 및 조건에 따라 특화된 제약 기반 원인 규명 방법을 제안하여 fMRI에서 강건성과 특이성을 향상시킨다. 신경 활동 주파수에서의 시간 지연 조건부 독립성을 활용함으로써, 허위 연결을 줄이고 정확한 원인 스케letal 및 방향 규명을 가능하게 하며, 시뮬레이션 및 실제 fMRI 데이터에서 강력한 성능을 입증한다.

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.

연구 동기 및 목표

• 낮은 샘플링 주파수로 인해 시간 지연 원인 관계가 약하고 신뢰할 수 없게 되는 fMRI 문제를 해결한다.
• BOLD 신호 동역학을 모델링하기 어려운 점을 극복하기 위해 시간 지연 신경 활동 의존성과 순간적인 fMRI 수준의 조건부 독립을 연결한다.
• 시간에 따라 변하는 원인 구조와 조건 의존적 원인 구조를 고려하기 위해 원인 모델에 시간 또는 실험 조건을 명시적인 변수로 도입한다.
• 신경 수준의 시간 지연 조건부 독립과 fMRI 수준의 순간 조건부 독립 간 일관성을 활용하여 원인 스케letal 복구 및 방향 규명을 향상시킨다.
• fMRI 데이터에서 시간 또는 조건에 특화된 원인 관계를 탐지하기 위한 체계적이고 강건한 프레임워크를 개발한다.

제안 방법

• 신경 활동의 시간 지연 의존성과 fMRI 기록에서의 순간 조건부 독립을 연결하는 단순화된 fMRI 생성 과정을 제안한다.
• 시간 또는 실험 조건을 제약 기반 원인 규명 프레임워크에 추가 변수로 사용하여 시간 및 조건에 특화된 의존성을 모델링한다.
• 추가로 측정되지 않은 시간에 따라 변하는 상태로 인한 허위 연결을 피하기 위해 강화된 제약 기반 방법을 적용하여 원인 스케letal을 규명한다.
• 신경 활동 주파수에서의 시간 지연 조건부 독립과 fMRI에서의 순간 조건부 독립 간 일관성을 활용하여 원인 구조 추정을 향상시킨다.
• 시간 또는 조건을 교란 요인 유사 변수로 통합하여 동적인 원인 영향력을 허위 상관관계에서 분리한다.
• 추가 변수를 활용하여 조건부 독립 테스트에서의 모호성을 줄여 원인 방향 규명을 향상시킨다.

실험 결과

연구 질문

• RQ1 신경 활동 주파수에서의 시간 지연 조건부 독립 관계가 fMRI 데이터의 순간 조건부 독립으로 신뢰성 있게 매핑될 수 있는가?
• RQ2 샘플링 주파수가 낮고 BOLD 동역학이 복잡한 fMRI에서 시간 또는 조건에 특화된 원인 구조를 어떻게 강건하게 규명할 수 있는가?
• RQ3 시간 또는 실험 조건을 변수로 포함할 경우 fMRI에서 원인 스케letal 복구 정확도가 얼마나 향상되는가?
• RQ4 제안된 방법이 측정되지 않은 시간에 따라 변하는 상태(예: 주의)로 인한 허위 원인 연결을 줄일 수 있는가?
• RQ5 시간 또는 조건을 변수로 포함할 경우 fMRI 데이터에서 원인 방향 규명이 향상되는가?

주요 결과

• 신경 활동 주파수에서의 시간 지연 조건부 독립 관계가 fMRI 기록의 순간 조건부 독립과 일관성이 있음을 확인하여 방법론적 기반을 검증한다.
• 시간 또는 실험 조건을 추가 변수로 포함함으로써 fMRI 데이터에서 허위 원인 연결이 크게 감소한다.
• 제안된 방법은 시간 또는 조건에 특화된 원인 스케letal을 성공적으로 복구하여 측정되지 않은 시간에 따라 변하는 상태에 대한 강건성을 향상시킨다.
• 추가 변수를 활용하여 조건부 독립 테스트에서의 모호성을 해소함으로써 원인 방향 규명이 향상된다.
• 시뮬레이션된 fMRI 데이터 실험에서 기존 제약 기반 방법에 비해 원인 구조 복구 정확도가 향상됨을 입증한다.
• 실제 fMRI 데이터 실험에서는 유의미한 결과를 보이며, 방법이 타당하고 조건에 특화된 원인 네트워크를 규명한다.