多站点静息态 fMRI 连接中的统计功效与预测准确率
定量方法
2017-02-10 v3 计算工程、金融与科学
机器学习
摘要
使用静息态功能磁共振成像的连接研究正越来越多地汇集在多个站点采集的数据。虽然这可能使研究人员加快招募速度或增加样本量，但多站点研究也可能在跨站点的连接测量中引入系统性偏差。在本研究中，我们测量了连接中的站点间效应及其对检测个体和组间差异能力的影响。我们的研究基于真实的（而非模拟的）多站点 fMRI 数据集，这些数据集来自 1000 功能连接组项目，在 8 个扫描站点使用 3T 扫描仪和异构扫描协议对 N=345 名年轻健康受试者采集。我们首先实证表明，典型的功能网络在所有站点的组水平上均能可靠地被发现，并且站点间效应的幅度为小到中等，在所有大脑连接中平均 Cohen 效应量低于 0.5。然后，我们基于真实数据实施了一系列蒙特卡洛模拟，以评估多站点效应对使用一般线性模型比较两组（有效应和无效应）的统计检验中检测功效的影响，以及对使用支持向量机预测组标签的影响。作为参考，我们还在单一站点采集的 fMRI 数据上使用相同样本量实施了相同的模拟。模拟表明，与使用 GLM 的单站点研究相比，使用来自异构站点的数据仅略微降低了我们检测变化的能力，但对预测准确率的影响更大。总而言之，我们的结果支持只要样本量足够大，多站点 rs-fMRI 研究的可行性。
引用
@article{arxiv.1607.03392,
title = {Statistical power and prediction accuracy in multisite resting-state fMRI connectivity},
author = {Christian Dansereau and Yassine Benhajali and Celine Risterucci and Emilio Merlo Pich and Pierre Orban and Douglas Arnold and Pierre Bellec},
journal= {arXiv preprint arXiv:1607.03392},
year = {2017}
}