fMRI实验中可解释方差的置换估计量

在计算神经科学中，准确估计神经活动测量总方差中信号方差的比例非常重要。这种可解释方差度量有助于神经科学家评估描述图像如何在大脑中编码的预测模型的充分性。强噪声相关性使估计问题变得复杂，这可能会混淆与刺激相对应的神经反应。如果未能正确考虑这些相关性，可能会夸大可解释方差估计值，并暗示虚假的预测准确率。我们提出了一种新方法，用于在噪声中存在强相关性时估计功能磁共振成像（fMRI）大脑活动测量中的可解释方差。我们的置换估计量是非参数的、无偏的，并且建立在反映fMRI数据收集过程中随机化的随机效应模型之上。利用测量中的对称性，我们的估计量通过对测量向量进行适当的置换来获得，置换方式使得噪声协方差结构保持完整，但可解释方差在置换后发生改变。然后利用这一差异来估计可解释方差。我们在模拟实验中验证了所提方法的性质。对于图像-fMRI数据，我们表明，与替代的参数方法相比，置换估计能更好地解释初级视觉皮层（V1）内体素的预测准确率的变化。