[논문 리뷰] STORE: Sparse Tensor Response Regression and Neuroimaging Analysis

Will Wei Sun, Lexin Li|arXiv (Cornell University)|2016. 09. 15.

Tensor decomposition and applications참고 문헌 36인용 수 52

한 줄 요약

이 논문은 고차원 신경영상 데이터를 분석하기 위해 원소 수준의 희소성과 낮은 질서 구조를 통합한 스파스 텐서 반응 회귀 모델인 STORE를 제안한다. 이 모델은 매개변수를 추정하기 위해 교차 최적화 알고리즘을 사용하며, 계산 오차와 통계 오차의 기하적 수렴을 보여주는 비점근적 오차 경계를 수립한다. 이 경계는 표본 크기와 함께 지수적으로 증가하는 텐서 차원을 허용한다. 자폐 스펙트럼 장애(fMRI) 데이터에 대해 검증되었으며, 생물학적으로 타당한 결과를 도출하였다.

ABSTRACT

Motivated by applications in neuroimaging analysis, we propose a new regression model, Sparse TensOr REsponse regression (STORE), with a tensor response and a vector predictor. STORE embeds two key sparse structures: element-wise sparsity and low-rankness. It can handle both a non-symmetric and a symmetric tensor response, and thus is applicable to both structural and functional neuroimaging data. We formulate the parameter estimation as a non-convex optimization problem, and develop an efficient alternating updating algorithm. We establish a non-asymptotic estimation error bound for the actual estimator obtained from the proposed algorithm. This error bound reveals an interesting interaction between the computational efficiency and the statistical rate of convergence. When the distribution of the error tensor is Gaussian, we further obtain a fast estimation error rate which allows the tensor dimension to grow exponentially with the sample size. We illustrate the efficacy of our model through intensive simulations and an analysis of the Autism spectrum disorder neuroimaging data.

연구 동기 및 목표

• 신경영상에서 대칭(기능적) 및 비대칭(구조적) 데이터 유형을 모두 수용할 수 있는 텐서 값 반응에 대한 통합된 회귀 프레임워크를 개발한다.
• 모델 복잡성을 줄이면서도 과학적 해석 가능성을 유지하기 위해 원소 수준의 희소성과 낮은 질서 구조를 이중적으로 통합한다.
• 교차 최적화 알고리즘에서 유도된 추정기의 유한 표본 오차 경계를 수립하여 계산 수렴과 통계 정확도를 연결한다.
• 특히 표본 크기와 함께 텐서 차원이 지수적으로 증가하는 경우에도 스케일이 가능하고 통계적으로 타당한 추론을 가능하게 한다.
• 실제 자폐 스펙트럼 장애(ASD) 신경영상 데이터에 이 방법을 적용하여 생물학적으로 관련성이 있는 뇌 영역과 기능적 연결 패턴을 규명한다.

제안 방법

• 계수 텐서에 대한 희소성 및 낮은 질서 제약 조건을 갖춘 비볼록 최적화 문제로 텐서 반응 회귀를 공식화한다.
• 교차 갱신 알고리즘을 사용한다: 단계 1은 희소 텐서 분해를 위한 절삭된 텐서 거듭제곱 방법을 사용하고, 단계 2는 닫힌 형태로 해를 구하는 이볼록 서브문제를 해결한다.
• 오차 텐서의 구조를 정량화하고 비점근적 분석을 가능하게 하기 위해 새로운 스파스 스펙트럴 노름 η(n⁻¹∑Ei, s)을 도입한다.
• 계산 오차(기하 감쇠)와 통계 오차(반복 횟수에 독립적)로 분해되는 유한 표본 오차 경계를 유도한다.
• 수렴 속도를 제어하고 계산 오차가 통계 오차에 지배될 때 정지 기준을 안내하기 위해 수축 계수 κ ∈ (0,1)를 사용한다.
• 3D fALFF 텐서와 fMRI 데이터에서 유도된 2D 대칭 부분 상관 행렬 양쪽에 이 방법을 적용하며, 해부학적 레이블링에 AAL 아틀라스를 사용한다.

실험 결과

연구 질문

• RQ1 통합된 회귀 모델은 신경영상에서 대칭 및 비대칭 텐서 반응을 모두 처리할 수 있는가? 이는 구조적 및 기능적 MRI 데이터의 통합 분석을 가능하게 하는가?
• RQ2 원소 수준의 희소성과 낮은 질서 구조를 함께 강제할 경우, 텐서 회귀에서 해석 가능성과 계산 효율성을 어떻게 향상시킬 수 있는가?
• RQ3 제안된 알고리즘의 유한 표본 추정 오차 행동은 어떠한가? 최적화 과정에서 계산 오차와 통계 오차는 어떻게 상호작용하는가?
• RQ4 오차 텐서가 가우시안 분포를 따를 경우, 표본 크기와 함께 텐서 차원이 지수적으로 증가하는 상황에서도 이 방법이 빠른 오차율을 달성하는가?
• RQ5 실제 fMRI 데이터를 사용하여 이 모델은 자폐 스펙트럼 장애에서 생물학적으로 의미 있는 뇌 영역과 연결 패턴을 식별할 수 있는가?

주요 결과

• 제안된 STORE 방법은 자폐증(ASD) 및 대조군 간에 다른 fALFF 패턴을 보이는 소수의 뇌 영역—예를 들어 소뇌, 상부 경부엽, 전두엽 후부—를 성공적으로 규명하였다.
• STORE에서 추정된 계수 텐서는 자폐증에서 자발적 뇌 활동의 생물학적으로 타당한 차이를 드러내며, 소뇌에서의 일관된 변화가 기존 문헌과 일치한다.
• 2D 대칭 부분 상관 행렬 반응의 경우, STORE는 20개의 핵심 뇌 네트워크 연결을 식별하였으며, 이는 대부분 왼쪽 중간 전두엽 회절과 측두엽에 집중되어 있어 알려진 ASD 관련 연결성 손상과 일치한다.
• 비점근적 오차 경계는 반복 과정에서 계산 오차가 기하급수적으로 감쇠하는 것으로 나타났으며, 가우시안 노이즈 하에서 통계 오차는 O_p(√(s³ log(d₁d₂d₃)/n))로 유계이다. 이는 표본 크기와 함께 텐서 차원이 지수적으로 증가하는 것을 허용한다.
• 텐서 순서가 1일 경우, 통계 오차는 O_p(√(s log d / n))로 줄어들며, 이는 고차원 벡터 회귀에서 알려진 최소 최대 최적 속도와 일치한다.