Inferência baseada em voxel para fMRI

Autor: Winkler, Anderson Marcelo
Přispěvatelé: Gamba, Humberto Remigio, Araújo, Dráulio Barros de, Amaro Junior, Edson, Schneider, Fábio Kurt
Jazyk: portugalština
Rok vydání: 2007
Předmět:
Zdroj: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
Popis: Introdução: Mapas estatísticos paramétricos são construídos a partir de testes de hipóteses aplicados para cada voxel de imagens funcionais. Erros tipo I podem ocorrer muito frequentemente quando um grande número de testes e´ realizado simultaneamente. Embora este seja um problema central em estudos de neuroimagem, a melhor solução ainda não foi encontrada. Duas abordagem são mais utilizadas em fMRI: a teoria dos campos aleatórios (RFT) e a taxa de falsas descobertas (FDR). A RFT pode ser considerada atualmente o método padrão para controle de erro por família de testes (FWE), apesar de sua complexidade e suposições restritivas. Se o pesquisador está disposto a aceitar alguns falsos positivos na imagem, procedimentos que controlam a FDR, como o de Benjamini e Hochberg (B&H), podem gerar resultados mais liberais, com suposições mínimas. Este trabalho inclui ainda uma revisão da literatura recente sobre o tema. Objetivos: Avaliar a performance dos procedimentos RFT e B&H, bem como o procedimento convencional de Bonferroni (BON) e sem nenhuma correção (UNC). Método: Um conjunto de dados foi adquirido em repouso, em 1,5 T. Um filtro passa alta foi aplicado, e os volumes foram permutados no tempo para evitar o efeito da auto correlação. Áreas de “ativação” utilizando um sinal do tipo bloco foram adicionados, utilizando como referência a resposta hemodinâmica canônica, com parâmetros ligeiramente variáveis para cada período de “ativação”. O modelo linear geral foi aplicado para dados com e sem sinal, bem como para imagens suavizadas e não-suavizadas espacialmente. A estimação da suavização foi baseada nos resíduos do modelo linear geral. Para cada condição, mapas estatísticos foram gerados e limiarizados com os procedimentos UNC, BON, B&H e RFT. Resultados: Todos os métodos avaliados resultaram em controle apropriado da quantidade de erros, dentro de suas limitações teóricas sendo o de B&H o mais poderoso. O procedimento de Bonferroni foi menos conservador do que o esperado. O procedimento de B&H resultou em limiar variável, e controle mais exato sobre FDR quanto maiores as áreas de atividade simulada. Verificou-se ainda que a suavização interfere no valor do limiar de B&H. Para RFT os resultados foram conservadores para os níveis de suavização avaliados, mas aproximaram-se do nível de significância nominal para suavização com filtro de largura igual a 2,0 voxels. A suavização interferiu de forma indesejada nas medidas dependentes da contagem de voxels Background: Statistical parametric maps are constructed from a massive, univariate, voxel-wise hypothesis testing. Type I errors may happen very often if such a large amount of tests are performed. Though this is a central problem for neuroimaging studies, the best approach is still unclear. Two approaches have emerged as the most suitable for fMRI: the random field theory (RFT) and false discovery rate (FDR). RFT has become the de facto standard method for controlling the family-wise error rate (FWE), despite its complexity and restrictive assumptions. If the researcher is willing to accept some false-positives within the image, methods for controlling the FDR, as the Benjamini and Hochberg (B&H) procedure, can provide more liberal thresholds, with minimal assumptions. This study also features a literature review on recent advances in the field. Objective: Evaluate the performance of RFT and B&H procedures, as well the traditional Bonferroni correction (BON) and no correction (UNC). Method: A real “null” fMRI dataset was acquired at 1.5 T. A temporal high-pass filter was applied, and the brain volumes were randomly permuted, thus avoiding the potential bias due to autocorrelation. Patches of boxcar-like “activation” were added using the canonical haemodynamic response function, which parameters were slightly variable for each “activation” period. The general linear model was applied to both rest and added “activation” datasets, and with and without spatial smoothing. Estimation of the smoothness was based on the residuals of the model fit. For each of these conditions, t-maps were generated and thresholded using the UNC, BON, B&H and RFT procedures. Results: All the evaluated methods resulted in adequate control over error rates, within their theoretical assumptions and limitations. The Bonferroni correction was less conservative than expected. The B&H procedure resulted in variable thresholds, providing better control over FDR for large areas of simulated activity. B&H procedure was also influenced by smoothness. Conservative results were obtained for RFT, but the observed error was close to the nominal level for smoothed maps with a filter of 2.0 voxels of width. Smoothing induced bias in voxel-based measurements.
Databáze: OpenAIRE
Externí odkaz: