[论文解读] Stable Feature Selection from Brain sMRI

Bo Xin, Lingjing Hu+2 more|arXiv (Cornell University)|Mar 25, 2015

Statistical Methods and Inference参考文献 23被引用 5

一句话总结

该论文提出了一种非负广义融合Lasso（n²GFL）模型，用于在脑部sMRI数据中实现稳定的特征选择，结合了空间一致性以及特征与阿尔茨海默病标签之间的正相关先验。通过利用锥对偶性将邻近算子简化为可通过快速网络流算法求解的总变差（TV）问题，该方法在特征稳定性与分类准确性方面显著优于当前最先进方法，多组Dice系数达到64.4%，远超Lasso的26.7%。

ABSTRACT

Neuroimage analysis usually involves learning thousands or even millions of variables using only a limited number of samples. In this regard, sparse models, e.g. the lasso, are applied to select the optimal features and achieve high diagnosis accuracy. The lasso, however, usually results in independent unstable features. Stability, a manifest of reproducibility of statistical results subject to reasonable perturbations to data and the model, is an important focus in statistics, especially in the analysis of high dimensional data. In this paper, we explore a nonnegative generalized fused lasso model for stable feature selection in the diagnosis of Alzheimer's disease. In addition to sparsity, our model incorporates two important pathological priors: the spatial cohesion of lesion voxels and the positive correlation between the features and the disease labels. To optimize the model, we propose an efficient algorithm by proving a novel link between total variation and fast network flow algorithms via conic duality. Experiments show that the proposed nonnegative model performs much better in exploring the intrinsic structure of data via selecting stable features compared with other state-of-the-arts.

研究动机与目标

• 为解决高维神经影像数据中特征选择的不稳定性，特别是阿尔茨海默病诊断中的问题。
• 通过引入病理学先验（如病灶体素的空间一致性以及与疾病标签的正相关性）来提升所选特征的可重复性与可解释性。
• 为所提出的约束模型开发一种高效且可扩展的优化算法，克服CVX等现成求解器的局限性。
• 定量验证非负性与融合Lasso约束的引入是否能显著提升特征选择的稳定性，超越标准Lasso与广义融合Lasso。

提出的方法

• 提出一种非负广义融合Lasso（n²GFL）模型，强制实现稀疏性、通过融合Lasso项保证病灶体素的空间连续性，并通过非负系数反映与疾病标签的正相关性。
• 采用具有收敛性保证的邻近梯度方法（如FISTA），并将其扩展以处理非负性约束。
• 通过锥对偶性建立邻近算子与总变差（TV）问题之间的新等价关系，从而将问题简化为最小二次成本流问题。
• 利用快速网络流算法（如参数化流算法）高效求解所得TV问题，实现对高维sMRI数据的可扩展性。
• 在后处理阶段应用软阈值化步骤，以保持解路径中的稀疏性与稳定性。
• 采用估计稳定性（ES）与多组Dice系数（mDC）作为定量指标，评估交叉验证各折中特征选择的稳定性。

实验结果

研究问题

• RQ1 在高维sMRI数据中，引入非负性与空间融合约束是否能显著提升特征选择的稳定性？
• RQ2 所提出的n²GFL模型是否在选择具有生物学合理性、空间一致且可重复的体素方面，优于标准Lasso与广义融合Lasso，用于阿尔茨海默病诊断？
• RQ3 n²GFL模型的优化能否在保持高精度的同时实现对大规模sMRI数据集的可扩展性？
• RQ4 在特征与疾病标签之间强制施加正相关性先验，能在多大程度上降低特征选择的不稳定性？

主要发现

• n²GFL模型的多组Dice系数（mDC）达到0.644，显著优于Lasso（0.267）与GFL（0.374），表明特征选择稳定性大幅提升。
• n²GFL的估计稳定性（ES）指标为0.022，低于GFL（0.033）与Lasso（0.035），证实了估计稳定性的增强。
• 在10折交叉验证中，n²GFL在仅使用sMRI数据的各类模型中实现了最高的分类准确率，优于逻辑回归、SVM及稀疏模型。
• n²GFL所选特征在已知早期受累区域（如海马体与旁海马回）呈现空间聚集性，而Lasso与t检验/MLDA则选择分散的、可能含有噪声的体素。
• 所提算法在相同精度下比CVX快数百倍，实现了对高维sMRI数据的高效优化。
• Lasso与GFL中观察到的不稳定性主要源于与正相关性先验不一致的非生物学性、分散体素，而n²GFL能有效抑制此类噪声。