在降低假阳性率目标下不同数据集上 BOLD fMRI 信号预处理流程的分析
神经元与认知
2017-12-29 v1
摘要
基于血氧水平依赖（BOLD）信号的功能磁共振成像（fMRI）技术已广泛用于临床治疗与脑功能研究。BOLD 信号在使用功能连接度量或统计方法分析之前必须经过预处理。现有研究表明数据预处理步骤可能影响分析结果，但预处理方法尚无共识。本文提出一种评估方法，用于在假定任务实验设计下分析静息态 BOLD fMRI（rs-BOLD fMRI）数据的预处理流程，以阐明预处理阶段，涵盖一阶与二阶分析。改变预处理参数与步骤的选择以考察预处理流程，同时观察统计分析结果，试图降低 Eklund 等人 2016 年 PNAS 论文所报告的假阳性。所有实验数据分为 7 个数据集，包含 220 名健康对照样本与 136 名患者数据，后者来自 38 名不完全性脊髓损伤（SCI）患者与 16 名脑卒中（CS）患者，含部分患者在不同时间的多次扫描。这些数据采集自两台不同的 MRI 扫描仪，可能导致分析结果差异。评估结果显示，在由头动校正、标准化与平滑组成的经典预处理流程中，改变各步骤参数影响甚微。去除时间点及随后的去趋势步骤可降低假阳性。然而，协变量回归与滤波对数据有复杂影响。需注意，在单被试分析中，滤波后假阳性持续下降。同一机器扫描的患者数据与健康对照数据的结果……
引用
@article{arxiv.1712.09479,
title = {Analysis of BOLD fMRI Signal Preprocessing Pipeline on Different Datasets while Reducing False Positive Rates},
author = {Yunxiang Ge and Yu Pan and Weibei Dou},
journal= {arXiv preprint arXiv:1712.09479},
year = {2017}
}
备注
ICBIBE 2018 accepted