MRI图像质量对基于体素形态学的统计与预测分析的影响
图像与视频处理
2024-11-05 v1 机器学习
机器学习
摘要
MRI脑扫描的图像质量强烈受扫描仪内头部运动的影响，由此产生的图像伪影会改变衍生指标，如脑体积和皮层厚度。自动图像质量评估对于控制低图像质量的混淆效应至关重要。在本研究中，我们系统地检验了图像质量对单变量统计和机器学习分类的影响。我们分析了性别在局部脑体积上的组间效应，并在校正脑体积后使用逻辑回归预测性别。从三个大型公开数据集中，我们推导出两个年龄和性别均衡的样本，以检验该效应在n=760和n=1094的合并样本量下的泛化性。对3747个灰质特征进行Bonferroni校正的t检验结果表明，低质量数据对较小样本量下发现显著性别差异的能力有强烈影响。增加样本量和更重要的是增加图像质量，使在单变量组比较中检测到显著效应的能力显著提升。对于使用逻辑回归进行性别分类，增加样本量和图像质量对大多数数据集和子样本的受试者工作特征曲线下面积仅有边际影响。我们的结果表明，单变量方法需要比多变量分类更严格的质量控制，倾向于对经典组统计使用更高图像质量，对神经影像中的机器学习应用使用更大样本量。
引用
@article{arxiv.2411.01268,
title = {The impact of MRI image quality on statistical and predictive analysis on voxel based morphology},
author = {Felix Hoffstaedter and Nicolás Nieto and Simon B. Eickhoff and Kaustubh R. Patil},
journal= {arXiv preprint arXiv:2411.01268},
year = {2024}
}