相同分析方法：防范新型神经影像分析方法陷阱的实用保护
摘要
基于传统实验设计、建模和统计推断原则的标准神经影像数据分析，正日益被新颖分析方法所补充，例如由机器学习方法驱动的分析。虽然这些新方法为神经影像数据提供了新见解，但它们常有意外特性，产生了关于可能陷阱的日益增长文献。我们建议通过采用系统测试实验设计、分析程序和统计推断的习惯来应对这一挑战。具体而言，我们建议将用于实验数据的分析方法也应用于实验设计的各个方面、模拟混杂因素、模拟空数据和控制数据。我们强调在主要分析和测试分析中保持分析方法相同的重要性，因为唯有如此才能可靠地检测和避免可能的混杂因素和意外特性。我们详细描述并讨论了这一相同分析方法（Same Analysis Approach, SAA），并在两个使用多变量解码的实例中进行了演示。通过这些例子，我们揭示了两个错误来源：交叉平衡（交叉设计）与交叉验证之间的不匹配导致系统性的低于机会水平的准确率，以及对非线性效应（方差差异）的线性解码。亮点：1. 传统设计原则与交叉验证结合时可能不合适；2. 这可解释虚高的准确率和低于机会水平的准确率；3. 我们提出新颖的“相同分析方法”（SAA）用于检查分析流程；4. SAA的原则是使用相同分析执行额外分析；5. SAA分析应针对设计变量、控制数据和模拟执行。
引用
@article{arxiv.1703.06670,
title = {The Same Analysis Approach: Practical protection against the pitfalls of novel neuroimaging analysis methods},
author = {Kai Görgen and Martin N. Hebart and Carsten Allefeld and John-Dylan Haynes},
journal= {arXiv preprint arXiv:1703.06670},
year = {2018}
}
备注
Manuscript [29 pages, 7 Figures] + Supplemental Information [21 pages, 13 Figures], published in NeuroImage as: G\"orgen, K., Hebart, M. N., Allefeld, C., & Haynes, J.-D. (2018). The same analysis approach: Practical protection against the pitfalls of novel neuroimaging analysis methods. NeuroImage 180, 19-30. doi:10.1016/j.neuroimage.2017.12.083