[論文レビュー] Stopping criteria for boosting automatic experimental design using real-time fMRI with Bayesian optimization

Romy Lorenz, Ricardo Pio Monti+5 more|arXiv (Cornell University)|Nov 24, 2015

Gaussian Processes and Bayesian Inference参考文献 15被引用数 24

ひとこと要約

本論文は、リアルタイムfMRI実験におけるベイズ最適化のための2つの停止基準を提案し、評価する。1つ目は連続する刺激間のユークリッド距離に基づくもので、2つ目は閾値未満の改善確率に基づくものである。両基準とも、予測精度を維持しつつ、平均して1回の走行あたり最大2分のスキャン時間を短縮できる。

ABSTRACT

Bayesian optimization has been proposed as a practical and efficient tool through which to tune parameters in many difficult settings. Recently, such techniques have been combined with real-time fMRI to propose a novel framework which turns on its head the conventional functional neuroimaging approach. This closed-loop method automatically designs the optimal experiment to evoke a desired target brain pattern. One of the challenges associated with extending such methods to real-time brain imaging is the need for adequate stopping criteria, an aspect of Bayesian optimization which has received limited attention. In light of high scanning costs and limited attentional capacities of subjects an accurate and reliable stopping criteria is essential. In order to address this issue we propose and empirically study the performance of two stopping criteria.

研究の動機と目的

• リアルタイムfMRI実験におけるベイズ最適化の正式な停止基準の欠如に取り組む。
• 閉ループfMRI実験における最適な終了時刻の特定により、スキャンコストを低減し、被験者の疲労を最小限に抑える。
• 実データfMRIを用いて、ユークリッド距離と改善確率の2つの新規停止基準の性能を評価する。
• 早期終了が、標的脳パターンを誘発する最適な刺激の予測精度を損なわないことを保証する。
• 注意制限のある被験者を対象とする臨床的応用を想定した、Automatic Neuroscientistフレームワークの翻訳的潜在的可能性を支援する。

提案手法

• 音声・視覚刺激パラメータを関数とする脳活性化をモデル化するため、ガウス過程回帰を用いたベイズ最適化を採用する。
• リアルタイムfMRIフィードバックに基づき、逐次的に新しい刺激を選択するため、期待改善（EI）の獲得関数を用いる。
• 連続して提案された刺激間のユークリッド距離に基づく停止基準を提案し、距離がしきい値未満に下がると終了する。
• 有意水準α = 0.05未満の改善確率（PI）に基づく第二の停止基準を導入する。
• 5名の被験者による前回の研究のデータを用いて、収束性と予測精度の両面で両基準を検証する。
• 各イテレーションにおいて、予測された最適な刺激と仮定された最適な刺激とのユークリッド距離を計算し、モデルの精度を評価する。

実験結果

リサーチクエスチョン

• RQ1 連続する刺激間のユークリッド距離に基づく停止基準は、リアルタイムfMRIにおけるベイズ最適化を信頼性高く終了させることができるか？
• RQ2 α = 0.05未満の改善確率に基づく停止基準は、統計的に解釈可能かつ効果的な終了ルールを提供するか？
• RQ3 スキャン時間をどれだけ短縮できるが、予測された最適な刺激の精度が劣化しないか？
• RQ4 被験者や実験走行ごとに、停止基準の性能はどのように変動するか？
• RQ5 早期終了は、最適な脳状態を誘発する刺激のモデル予測精度を保持できるか？

主な発見

• ユークリッド距離の停止基準は、大多数の走行で0に達しており、イテレーション間で同じ刺激に収束していることを示している。
• 改善確率（PI）基準は、ユークリッド距離が0に達したすべてのケースでα = 0.05未満に下がっており、統計的妥当性が裏付けられている。
• 3つの走行では、ユークリッド距離が0より高いまま維持されており、さらなるスキャンが予測精度の向上に寄与する可能性があることを示している。
• sub01のrun2では、最終イテレーションでのモデルの予測精度が最初の走行よりも悪く、より長い取得期間が利益をもたらす可能性があることを示している。
• 平均して、停止基準を適用することで、精度を損なわず最大7回の観測（約2.3分）のスキャン時間を短縮可能であった。
• 提案された停止基準は、予測された最適な刺激との距離を測定することで評価されたが、モデルの予測精度に悪影響を及ぼさなかった。