[论文解读] A Searchlight Factor Model Approach for Locating Shared Information in Multi-Subject fMRI Analysis

Hejia Zhang, Po-Hsuan Chen+6 more|arXiv (Cornell University)|Sep 29, 2016

Functional Brain Connectivity Studies参考文献 11被引用 6

一句话总结

该论文提出一种基于搜索灯的共享响应因子模型（SRM），以在多被试fMRI数据中实现更高空间分辨率的共享神经信息定位。通过在全脑范围内应用ICA及组ICA等因子模型于球形搜索灯区域，识别出小范围、具有功能意义的脑区——在时间段匹配与场景回忆任务中均表现出高分类准确率，且SR-ICA在准确率与因子效率方面均优于其他模型。

ABSTRACT

There is a growing interest in joint multi-subject fMRI analysis. The challenge of such analysis comes from inherent anatomical and functional variability across subjects. One approach to resolving this is a shared response factor model. This assumes a shared and time synchronized stimulus across subjects. Such a model can often identify shared information, but it may not be able to pinpoint with high resolution the spatial location of this information. In this work, we examine a searchlight based shared response model to identify shared information in small contiguous regions (searchlights) across the whole brain. Validation using classification tasks demonstrates that we can pinpoint informative local regions.

研究动机与目标

• 解决在存在解剖与功能变异的情况下，从fMRI数据中识别跨被试共享神经反应的挑战。
• 通过在共享响应因子模型中保持空间局部性，提升多被试fMRI分析的空间分辨率。
• 开发一种方法，精确定位编码共享信息的小范围脑区，从而支持针对性的神经科学研究。
• 评估在搜索灯区域中应用的局部因子模型是否在检测共享认知状态方面优于全脑因子模型。

提出的方法

• 在全脑范围内应用固定大小（例如125个体素）的球形搜索灯内实施共享响应因子模型（SRM），以实现全脑的局部化分析。
• 针对每个搜索灯，联合分解各被试的fMRI数据，得到各被试特有的混合矩阵 $ W_i $ 和共享源矩阵 $ S $，并最小化正则化代价函数。
• 采用ICA与组ICA的变体（SR-ICA、SR-GICA）学习共享响应，每个搜索灯中选择 $ k $ 个潜在因子以优化性能。
• 将分类准确率与最优 $ k $ 值分配给每个搜索灯的中心体素，生成反映信息丰富区域的脑图。
• 通过三项任务验证性能：时间段匹配（有声书、夏洛克电影）与场景回忆匹配（夏洛克回忆），以随机猜测准确率为基线。
• 汇总所有搜索灯的结果，计算整体准确率，并与使用 $ k=100 $ 的全脑因子模型进行比较。

实验结果

研究问题

• RQ1 基于搜索灯的共享响应因子模型能否有效定位fMRI数据中跨被试编码共享信息的小范围脑区？
• RQ2 在检测共享认知状态方面，局部因子模型的性能与全脑因子模型相比如何？
• RQ3 在局部分析中，哪种因子模型变体（如SR-ICA、SRM）能以最少的潜在因子实现最高准确率？
• RQ4 在因子分解中保持空间局部性是否会导致整体分类准确率下降，还是可维持甚至提升？
• RQ5 该方法能否识别出生物学上有意义的脑区，如初级感觉皮层或在特定刺激下激活的高级联合区（如PMC）？

主要发现

• 在时间段匹配与场景回忆任务中，SR-ICA在所有模型中均取得最高分类准确率，优于SRM与SR-GICA。
• 在时间段匹配任务中，有声书数据集的最信息丰富区域为初级听觉皮层（EAC），而夏洛克电影数据集则为初级视觉皮层（EVC），与刺激模态一致。
• 在场景回忆任务中，后内侧皮层（PMC）成为关键区域，表明其在记忆检索过程中参与高级认知处理。
• 尽管搜索灯存在空间限制，整体分类准确率并未下降，甚至在某些情况下高于全脑因子模型。
• $ k $ 脑图显示，SR-ICA在显著更少的潜在因子下达到与其他模型相当的准确率，表明其具有更高的表征效率。
• 时间段匹配中，有声书的随机猜测准确率为0.0044，夏洛克电影为0.001；场景回忆的随机猜测准确率为0.02，证实了观测结果的统计显著性。