聚类规模决定著否: 关于 Notip 与 pARI 在 fMRI 后验推断中的比较研究
统计理论
2025-11-05 v1 应用统计
统计方法学
统计理论
摘要
所有分辨率推断 (ARI) 是功能性磁共振成像 (fMRI) 数据分析的后验推断方法，提供对任意（可能数据驱动）簇中真实活跃体素比例的有效下界。因此，它解决了更传统的簇范围阈值方法所遇到的空间特异性悖论。它允许提高簇形成阈值，以获得更大的空间精度，而不会产生过拟合，亦即所谓的 drill-down 方法。Notip 和 pARI 是两种最近的基于置换的 ARI 扩展方法，旨在通过考虑 fMRI 数据中典型的强相关结构来提高统计功效。一项基于大型体素簇的比较研究得出结论 pARI 在性能上优于 Notip。我们通过对同一 Neurovault 数据库中的 fMRI 数据集进行系统性比较来重新审视此结论。我们的再分析显示存在互补的性能 regime：尽管 pARI 在大型簇中确实实现更高的灵敏度，但 Notip 在小型簇中提供更具信息性和稳健的结果。特别是，While Notip 支持对活跃子区域进行信息丰富的 drill-down 探索，pARI 在此类情况下常常产生非信息性的下界，甚至可能在表现上不如基准 ARI 方法。
引用
@article{arxiv.2511.02422,
title = {Cluster Size Matters: A Comparative Study of Notip and pARI for Post Hoc Inference in fMRI},
author = {Nils Peyrouset and Pierre Neuvial and Bertrand Thirion},
journal= {arXiv preprint arXiv:2511.02422},
year = {2025}
}