[論文レビュー] FMRI Clustering and False Positive Rates

Robert W. Cox, Gang Chen+3 more|arXiv (Cornell University)|Feb 16, 2017

Functional Brain Connectivity Studies参考文献 2被引用数 10

ひとこと要約

この論文は、Eklund et al. (2016) のシミュレーションを再評価することで、fMRIクラスタリング手法における誤検出率（FPR）の誇張された懸念を疑問視している。AFNIの3dClustSimバグがFPRに与える影響は限定的であり、ノンパラメトリックなランダマイゼーション手法が名目水準のFPRを維持していることが示された。また、FPRの上昇はしばしば小さく、文脈依存的であり、特に厳密な閾値やイベント関連設計では顕著でない。

ABSTRACT

Recently, Eklund et al. (2016) analyzed clustering methods in standard FMRI packages: AFNI (which we maintain), FSL, and SPM [1]. They claimed: 1) false positive rates (FPRs) in traditional approaches are greatly inflated, questioning the validity of "countless published fMRI studies"; 2) nonparametric methods produce valid, but slightly conservative, FPRs; 3) a common flawed assumption is that the spatial autocorrelation function (ACF) of FMRI noise is Gaussian-shaped; and 4) a 15-year-old bug in AFNI's 3dClustSim significantly contributed to producing "particularly high" FPRs compared to other software. We repeated simulations from [1] (Beijing-Zang data [2], see [3]), and comment on each point briefly.

研究の動機と目的

• パラメトリックfMRIクラスタリング手法が、特にAFNIにおいて、深刻な誤検出率（FPR）を生じるとする主張の妥当性を再評価すること。
• AFNIの3dClustSimに15年間存在したバグがFPR推定に与える影響を調査すること。
• fMRIノイズにおける空間自己相関関数（ACF）のガウス型仮定がFPR推定に与える影響を評価すること。
• 複雑なモデル下で名目水準のFPRを維持できるノンパラメトリックランダマイゼーション手法の性能をテストすること。
• 最大値ではなく中央値や百分位範囲に注目することで、FPR上昇のよりバランスの取れた解釈を提供すること。

提案手法

• Eklund et al. のシミュレーションを北京・蔣fMRIデータセットを用いて再実行し、AFNI、FSL、SPM間のFPRを比較した。
• 3dClustSimの「バグあり」および「修正済み」バージョンのFPRを比較し、バグの影響を定量化した。
• 残差から得た実証的「ミックスACF」（尾が重い）を構築し、非ガウス型ノイズの滑らかさが与える影響を評価した。
• AFNIの3dttest++に空間的モデルフリーなノンパラメトリックランダマイゼーション手法を実装し、パラメトリック仮定なしにFPRを推定した。
• 異なる実験設計でのFPR性能を評価するために、ボクセルごとのp値として0.01および0.001を用いた。
• ブロック設計およびイベント関連設計の両方でFPRを分析し、時間周波数が空間的滑らかさに与える影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 AFNIの3dClustSimに存在する15年ものバグが、fMRIクラスタリングにおけるFPRの上昇にどの程度寄与しているか。
• RQ2 fMRIノイズにおける空間自己相関関数（ACF）のガウス型仮定が、FPR推定に与える影響は何か。
• RQ3 ノンパラメトリックランダマイゼーション手法は、多様なfMRI解析モデルにおいて名目水準のFPRを維持できるか。
• RQ4 同じシミュレーションフレームワークおよび実験条件下で、AFNI、FSL、SPM間のFPRはどの程度異なるか。
• RQ5 標準的なfMRIソフトウェアにおけるFPR上昇の真の規模は何か。また、すべての条件下で一様に深刻な水準にあると見なせるか。

主な発見

• AFNIの3dClustSimバグの影響は限定的であり、p=0.01ではFPRが≤3–5%上昇、p=0.001では≤1–2%上昇にとどまった。
• AFNI、FSL-OLS、SPMのFPRは概ね類似しており、p=0.01では20–40%、p=0.001では5–15%の範囲に収束し、AFNIが「特に高い」FPRを示すという主張とは矛盾した。
• 尾が重い実証的「ミックスACF」を用いることでFPRが低下した。これは、非ガウス型ノイズの滑らかさがクラスタリング結果に顕著に影響することを示唆している。
• 3dttest++に実装されたノンパラメトリックランダマイゼーション手法は、名目水準の信頼区間内にFPRを維持した。これは、この手法がクラスタ推論に有効であることを支持する。
• FPR上昇は北京データでは≤10%、ケンブリッジデータでは≤5%にとどまり、特に厳密なボクセルごとのp値およびイベント関連設計下では顕著でなかった。これは、最大70%のFPRという主張を疑問視するものである。
• ノンパラメトリック手法で観察された最大FPRは40%であった。これは、パラメトリック手法のFPRがゴールドスタンダードとされるノンパラメトリック手法と比べて著しく悪化しているわけではないことを示している。