亚秒级重复时间下单被试 fMRI 的序列相关
应用统计
2017-10-30 v3
摘要
在对单被试 fMRI 数据进行统计分析时，需要考虑序列相关以进行有效推断。否则，参数估计的变异性可能被低估，导致假阳性率增加。fMRI 数据中的序列相关通常以一阶自回归 (AR) 过程来表征，然后通过预白化去除。预白化所需的噪声模型取决于多个参数，特别是重复时间 (TR)。本文研究同时多层 (SMS) 成像提供的亚秒级时间分辨率如何改变 fMRI 时间序列中的噪声结构。我们拟合一个高阶 AR 模型，然后估计在提供全脑覆盖且 TR 小于 600 ms 的序列下的最优 AR 模型阶数。我们表明，生理噪声建模成功地降低了所需的 AR 模型阶数，但剩余的序列相关仍需要更高级的噪声模型。我们得出结论，常用的噪声模型，如 AR(1) 模型，不足以对使用亚秒级 TR 的 fMRI 中的序列相关进行建模。相反，生理噪声建模结合高级预白化方案，能够在使用快速 fMRI 序列的单被试分析中实现有效推断。
引用
@article{arxiv.1705.10896,
title = {Serial Correlations in Single-Subject fMRI with Sub-Second TR},
author = {Saskia Bollmann and Alexander M. Pucket and Ross Cunnington and Markus Barth},
journal= {arXiv preprint arXiv:1705.10896},
year = {2017}
}