FMRIデータの関心分析領域の一般化された回帰モデル

この研究では、慢性脳卒中患者の上肢運動機能のリハビリテーションプログラムの後、皮質運動ネットワーク適応を評価するために、機能的磁気共鳴画像（fMRI）を使用しました。患者と健康なコントロールは、1.5 Tシーメンススキャナーで肩甲骨と手首の動きを実行しようとしたときに画像化されました。シングルサブジェクトレベルとグループサブジェクトレベルの両方でfMRI分析を実行します。活性化されたボクセル数は、関心のある領域の脳の活性化を定量化するために計算されます。カウントデータに推論するためのいくつかの候補回帰モデルについて説明し、研究で構造化された分散を伴う一般化された負の双視モデル（GNBM）の適用を提案します。データの性質を無視する不適切な統計モデルの効果は、モンテカルロシミュレーションを通じて対処されます。GNBMに基づいて、脳卒中と対照のために、および治療の結果として、多くの皮質領域で有意な活性化の違いが観察されます。特に、これらの違いは、従来の線形回帰モデルを使用してデータを分析したときに検出されません。私たちの調査結果は、特にピクセル/ボクセルカウント専用の機能的なニューロイメージングデータ分析プロトコルの改善を提供します。

In this study functional Magnetic Resonance Imaging (fMRI) was used to evaluate cortical motor network adaptation after a rehabilitation program for upper extremity motor function in chronic stroke patients. Patients and healthy controls were imaged when they attempted to perform shoulder-elbow and wrist-hand movements in a 1.5 T Siemens scanner. We perform fMRI analysis at both single- and group-subject levels. Activated voxel counts are calculated to quantify brain activation in regions of interest. We discuss several candidate regression models for making inference on the count data, and propose an application of a generalized negative-binomial model (GNBM) with structured dispersion in the study. The effects of inappropriate statistical models that ignore the nature of data are addressed through Monte Carlo simulations. Based on the GNBM, significant activation differences are observed in a number of cortical regions for stroke versus control and as a result of treatment; notably, these differences are not detected when the data are analyzed using a conventional linear regression model. Our findings provide an improved functional neuroimaging data analysis protocol, specifically for pixel/voxel counts.