[論文レビュー] fMRI Based Cerebral Instantaneous Parameters for Automatic Alzheimer's, Mild Cognitive Impairment and Healthy Subject Classification

Esmaeil Seraj, Mehran Yazdi+1 more|arXiv (Cornell University)|Jan 1, 2019

Functional Brain Connectivity Studies参考文献 2被引用数 1

ひとこと要約

本研究では、アルツハイマー病（AD）、軽度認知障害（MCI）、健常対照群を区別するため、脳の即時の位相とエンVELOPE特徴を用いた新規fMRIベースの分類フレームワークを提案する。ROI分析を適用し、位相およびエンVELOPE信号からパワー、エントロピー、コherエンシー特徴を抽出し、SFFFSおよびt検定を用いた特徴選択を実施した。その結果、全体の正解率80.1%、ADおよび健常対照群分類における感度80.0%を達成し、最先端の手法と同等の性能を示した。

ABSTRACT

Automatic identification and categorization of Alzheimer's patients and the ability to distinguish between different levels of this disease can be very helpful to the research community in this field, since other non-automatic approaches are very time-consuming and are highly dependent on experts' experience. Herein, we propose the utility of cerebral instantaneous phase and envelope information in order to discriminate between Alzheimer's patients, MCI subjects and healthy normal individuals from functional magnetic resonance imaging (fMRI) data. To this end, after performing the region-of-interest (ROI) analysis on fMRI data, different features covering power, entropy and coherency aspects of data are derived from instantaneous phase and envelope sequences of ROI signals. Various sets of features are calculated and fed to a sequential forward floating feature selection (SFFFS) to choose the most discriminative and informative sets of features. A Student's t-test has been used to select the most relevant features from chosen sets. Finally, a K-NN classifier is used to distinguish between classes in a three-class categorization problem. The reported performance in overall accuracy using fMRI data of 111 combined subjects, is 80.1% with 80.0% Sensitivity to both Alzheimer's and Normal categories distinction and is comparable to the state-of-the-art approaches recently proposed in this regard. The significance of obtained results was statistically confirmed by evaluating through standard classification performance indicators. The obtained results illustrate that introduced analytic phase and envelope feature indexes derived from the ROI signals are significantly discriminative in distinguishing between Alzheimer's patients and Normal healthy subject.

研究の動機と目的

• fMRIデータを用いてアルツハイマー病、MCI、健常対照群を自動的かつ客観的に分類する手法を開発すること。
• 神経変性疾患の診断において、専門家依存的で時間のかかる手動分類手法の限界を克服すること。
• fMRI信号から導出される即時の位相およびエンVELOPE特徴の、脳結合解析における判別可能性の可能性を検討すること。
• 高度な特徴抽出および選択を活用して機能的脳信号内の時間的ダイナミクスを活かし、分類精度を向上させること。
• 111名の被験者からなる実際のfMRIデータセットを用いて、標準的な分類指標および統計的有意性検定による手法の性能を検証すること。

提案手法

• 事前に定義された脳領域から成る領域（ROI）分析を静止状態fMRIデータに適用し、時間系列を抽出する。
• ヒルベルト変換を用いてROI信号の即時の位相およびエンVELOPEを計算し、動的神経活動パターンを捉える。
• 位相およびエンVELOPE系列から、パワー、エントロピー、位相ロック値（PLV）に基づくコherエンシーを含む多次元特徴を抽出する。
• 最も情報量が多く重複のない特徴サブセットを特定するために、逐次前進フラーディング特徴選択（SFFFS）を適用する。
• 選択された特徴セットに対して2標本t検定を実施し、さらに統計的に有意な特徴を精錬して選択する。
• 最終的な特徴セットを用いてK-近傍法（K-NN）分類器を学習させ、3クラス分類（AD、MCI、健常）を実行する。

実験結果

リサーチクエスチョン

• RQ1 fMRI信号からの即時の位相およびエンVELOPE特徴は、アルツハイマー病、MCI、健常対照群を効果的に区別できるか？
• RQ2 パワー、エントロピー、コherエンシーといった位相およびエンVELOPE由来の特徴のどの組み合わせが最高の分類精度を達成するか？
• RQ3 提案された特徴選択パイプライン（SFFFS + t検定）は、ベースライン特徴セットと比較して分類性能をどのように向上させるか？
• RQ4 提案手法の性能は統計的に有意であり、fMRIベースの神経変性疾患分類における最先端の手法と同等か？
• RQ5 デフォルトモードネットワークにおける位相およびエンVELOPEダイナミクスは、ADおよびMCIにおける病理的変化をどの程度反映しているか？

主な発見

• 提案手法は、AD、MCI、健常対照群を含む111名の被験者からなるデータセットで全体の分類正解率80.1%を達成した。
• アルツハイマー病および健常対照群分類における感度は80.0%であり、両方の重要なクラスを強く区別できる能力を示している。
• 即時の位相およびエンVELOPE特徴の使用は、従来のfMRI特徴セットと比較して分類性能を顕著に向上させた。
• SFFFSおよびt検定による特徴選択は、冗長性の低減と選択特徴の関連性の向上を効果的に行い、分類の堅牢性に寄与した。
• 標準的な性能指標を用いた統計的妥当性の検証により、研究結果の信頼性および有意性が確認された。
• 本手法は、神経変性疾患の早期発見および病期評価のための非侵襲的で自動化されたツールとして、臨床応用の強い可能性を示している。