fMRIのグループ分析のための一般的なマルチレベル線形モデリング

この記事では、マルチサブジェクトおよび/またはマルチセッションFMRIデータの一般的なモデリングについて説明します。特に、2レベルの混合効果モデル（グループレベルでの関心のあるパラメーターがパラメーターから推定される場合、単一セッションレベルからの分散推定値）を単一の完全な混合効果モデルと同等にすることができることを示します（単一セッションレベルからの分散推定値）グループレベルでの関心のあるパラメーターは、最初のシングルセッションのすべての時系列データから直接推定される場合）2番目のレベルの（CO-）分散が単一の単一レベルの（CO-）分散の合計に等しく設定されている場合- レベルのフォーム、既知の共分散を備えた青を使用。この結果は、グループ分析にパラメーター推定値の値と第1レベルからの（共同）分散のみが必要であり、fMRIの定評のある「要約統計」アプローチを一般化することを示しているため、fMRIのグループ研究に大きな意味を持ちます。シンプルで一般化されたフレームワークにより、各被験者にさまざまな事前調整と異なる第1レベルのレグレッサーを使用できます。このフレームワークには、繰り返しの測定、ペアリドまたは対応のないTテスト、グループレベルでのFテストなどの複数のレベルとケースが組み込まれています。このようなモデルの明示的な例は、記事に記載されています。実際のfMRIデータからの典型的な第1レベルの共分散構造に基づいた数値シミュレーションを使用すると、低レベルの共分散と不均一性を考慮することにより、高レベルのZスコアの大幅な増加が可能であることが示されます。

This article discusses general modeling of multisubject and/or multisession FMRI data. In particular, we show that a two-level mixed-effects model (where parameters of interest at the group level are estimated from parameter and variance estimates from the single-session level) can be made equivalent to a single complete mixed-effects model (where parameters of interest at the group level are estimated directly from all of the original single sessions' time series data) if the (co-)variance at the second level is set equal to the sum of the (co-)variances in the single-level form, using the BLUE with known covariances. This result has significant implications for group studies in FMRI, since it shows that the group analysis requires only values of the parameter estimates and their (co-)variance from the first level, generalizing the well-established "summary statistics" approach in FMRI. The simple and generalized framework allows different prewhitening and different first-level regressors to be used for each subject. The framework incorporates multiple levels and cases such as repeated measures, paired or unpaired t tests and F tests at the group level; explicit examples of such models are given in the article. Using numerical simulations based on typical first-level covariance structures from real FMRI data we demonstrate that by taking into account lower-level covariances and heterogeneity a substantial increase in higher-level Z score is possible.