功能连接中的可识别性可能无意中夸大预测结果
神经元与认知
2023-08-04 v1 定量方法
摘要
功能磁共振（fMRI）是研究在体认知过程的宝贵工具。许多近期研究使用功能连接（FC）、偏相关连接（PC）或 fMRI 衍生的脑网络来预测表型，其结果有时无法被复现。与此同时，FC 可用于以极高准确率从不同的扫描中识别同一受试者。本文中，我们展示了一种方法，通过将同一受试者的纵向或同期扫描当作独立数据点处理，可令人在不知情的情况下将分类准确率从 61% 虚增至 86%。利用 UK Biobank 数据集，我们发现通过利用可识别性，仅用 50 个训练受试者即可解释与无双重 dipping 情况下 10,000 个训练受试者相同的方差解释量。我们在四个不同数据集中复现了该效应：UK Biobank（UKB）、Philadelphia Neurodevelopmental Cohort（PNC）、Bipolar and Schizophrenia Network for Intermediate Phenotypes（BSNIP）以及一个 OpenNeuro 纤维肌痛数据集（Fibro）。在四个数据集中，无意的提升幅度介于 7% 至 25% 之间。此外，我们发现通过使用动态功能连接（dFC），即便限定每受试者仅单次扫描，亦可应用此方法。一个主要问题是，伴随被夸大结果一并报告的诸如 ROI 或连接性等特征可能误导未来研究。本文旨在阐明即便微小的流程异常亦可能导致出乎意料的最优结果。
引用
@article{arxiv.2308.01451,
title = {Identifiability in Functional Connectivity May Unintentionally Inflate Prediction Results},
author = {Anton Orlichenko and Gang Qu and Kuan-Jui Su and Anqi Liu and Hui Shen and Hong-Wen Deng and Yu-Ping Wang},
journal= {arXiv preprint arXiv:2308.01451},
year = {2023}
}
备注
8 pages, 11 with references