Pronto：ニューロイメージングツールボックスのパターン認識

過去数年間、特に機械学習モデルに基づいて、多変量パターン分析の使用により、神経画像データの大量単変量統計分析が補完されてきました。これらは、単変量技術と比較して空間分布効果の検出に感度を高めることができますが、確立されたアクセス可能なソフトウェアフレームワークがありません。この作業の目標は、機械学習モデルに基づいて、ニューロイメージングデータの多変量分析に必要なすべての機能を含むツールボックスを構築することでした。「ニューロイメージングツールボックスのパターン認識」（Pronto）は、オープンソース、クロスプラットフォーム、MATLABベース、SPM互換性があるため、認知および臨床神経科学の両方の研究に適しています。さらに、開発者からの新しい貢献を促進するように設計されており、ニューロイメージングと機械学習コミュニティの間の相互作用を改善することを目指しています。ここでは、Prontoで実装された機械学習フレームワークで対処できる可能性のある研究質問の例を提示することにより、Prontoを紹介し、質量単変量統計分析で簡単に調査することはできません。

In the past years, mass univariate statistical analyses of neuroimaging data have been complemented by the use of multivariate pattern analyses, especially based on machine learning models. While these allow an increased sensitivity for the detection of spatially distributed effects compared to univariate techniques, they lack an established and accessible software framework. The goal of this work was to build a toolbox comprising all the necessary functionalities for multivariate analyses of neuroimaging data, based on machine learning models. The "Pattern Recognition for Neuroimaging Toolbox" (PRoNTo) is open-source, cross-platform, MATLAB-based and SPM compatible, therefore being suitable for both cognitive and clinical neuroscience research. In addition, it is designed to facilitate novel contributions from developers, aiming to improve the interaction between the neuroimaging and machine learning communities. Here, we introduce PRoNTo by presenting examples of possible research questions that can be addressed with the machine learning framework implemented in PRoNTo, and cannot be easily investigated with mass univariate statistical analysis.