[论文解读] Notes on Creating a Standardized Version of DVARS

Thomas E. Nichols|arXiv (Cornell University)|Apr 5, 2017

Geochemistry and Geologic Mapping参考文献 1被引用 23

一句话总结

本文提出了一种标准化的DVARS版本（DVARS*），通过使用AR(1)模型对体素噪声方差和时间自相关性进行建模，以提高不同fMRI扫描仪和数据集之间的可比性。该方法利用稳健的均值绝对偏差和AR(1)相关系数估计值对DVARS进行标准化，生成无量纲度量，从而更准确地反映与扫描仪特定信号特性无关的伪影水平。

ABSTRACT

By constructing a sampling distribution for DVARS we can create a standardized version of DVARS that should be more similar across scanners and datasets.

研究动机与目标

• 解决由于噪声方差和时间自相关性差异导致的DVARS值在不同fMRI扫描仪和数据集之间缺乏可比性的问题。
• 开发一种标准化的DVARS度量，消除扫描仪和数据集特异性缩放效应。
• 提高DVARS在检测fMRI数据中运动及其他伪影时的可解释性。
• 基于AR(1)噪声模型下明确的抽样分布，为DVARS提供正式的统计基础。
• 通过减少因采集参数差异导致的DVARS变异，提升多中心fMRI研究中质量控制的可靠性。

提出的方法

• 对每个体素的fMRI噪声建模为AR(1)过程，假设存在可分离的时空相关结构。
• 推导时间差分的期望方差为 $ 2(1 - \rho_i)\sigma_i^2 $，其中 $ \sigma_i $ 为体素特异的噪声标准差，$ \rho_i $ 为AR(1)相关系数。
• 提出DVARS*作为类似z得分的标准化方法：$ \text{DVARS}^*_t = \frac{\sqrt{\frac{1}{I}\sum_i (Y_{i,t} - Y_{i,t-1})^2}}{\sqrt{\frac{1}{I}\sum_i 2(1 - \rho_i)\sigma_i^2}} $，通过AR(1)模型下的期望方差进行归一化。
• 使用基于四分位距（IQR）的稳健估计方法计算 $ \sigma_i $，以降低对异常值的敏感性。
• 考虑一种体素级标准化变体DVARS**，通过其期望方差对每个体素的差分进行归一化，可能提升对非运动相关伪影的敏感性。
• 使用FSL工具（如fslmaths）实现该方法，利用其可用的 -ar1 选项估计 $ \rho_i $。

实验结果

研究问题

• RQ1 是否可以通过考虑噪声方差和时间相关性，对DVARS进行标准化，以减少不同扫描仪和数据集之间的变异？
• RQ2 在现实噪声模型（如AR(1)）下，如何推导DVARS的正式抽样分布？
• RQ3 使用 $ \sigma_i $ 和 $ \rho_i $ 的稳健估计方法对标准化DVARS的可靠性有何影响？
• RQ4 标准化是否能提升DVARS在跨站点检测fMRI伪影时的可解释性和可比性？
• RQ5 与原始DVARS相比，所提出的标准化方法对非运动相关伪影的敏感性有何变化？

主要发现

• 所提出的标准化DVARS*通过AR(1)噪声模型下的期望方差对原始DVARS进行归一化，生成无量纲度量，应在不同扫描仪之间具有更高的可比性。
• 推导出每个体素时间差分的期望方差为 $ 2(1 - \rho_i)\sigma_i^2 $，为标准化提供了理论基础。
• 使用四分位距（IQR）对 $ \sigma_i $ 进行稳健估计，可提升在异常值存在情况下的稳定性。
• 标准化过程降低了对绝对信号方差和时间相关性的依赖，而这些参数在不同扫描仪和采集协议中存在差异。
• 替代变体DVARS**可能通过降低高方差边缘体素的权重，提升对非运动相关伪影的敏感性。
• 该方法可使用现有FSL工具实现，特别是fslmaths工具结合 -ar1 选项用于 $ \rho_i $ 估计。