fMRIデコード分析における活性化パターンの推定値と統計的有意性テストの影響

マルチボクセルパターン分析（MVPA）の使用は、最近の機能的磁気共鳴画像法（fMRI）研究で大幅に増加しています。重要なステップは、応答を推定するための方法の選択にあります。ただし、さまざまな推定選択肢の体系的な比較と、主要な実験設計に対するそれらの妥当性は欠落しています。現在の研究では、3つのパターン推定方法を比較しました。走りワイズ推定に基づいて、最小二乗単位（LSU）、最小二乗（LSA）と最小二乗分離（LSS）は、試行ごとの推定に依存しています。これらの方法の効率を、持続的なアクティビティをゼロ期間イベントから分離し、ブロック設計アプローチとイベント関連の設計で分離する必要がある実験を比較しました。順列テストに基づいた2つのノンパラメトリックメソッドと比較して、t検定の感度を評価しました。1つはStelzer et al。（2013）、各ボクセルの順列を個別に実行し、しきい値のないクラスター強化に相当します。LSSは、イベント関連の設計における密接なイベントの間で信号の大きな重複に対処するための最も正確なアプローチをもたらしました。すべての設定、特にイベント関連の設計で、ステルツァーの方法のより大きな感度が見つかりました。ボクセルは、他のアプローチで統計的しきい値を上回り、有益な領域としてマークされました。私たちの結果は、LSSが異なる期間と信号の大きな重複を持つイベントを解除するための最も正確なアプローチであるという証拠を提供します。これは、LSSが他の方法よりも大きな共線性をよりよく処理することを示す以前の研究と一致しています。さらに、Stelzerはこのより良い推定をその大きな感度で増強しています。

The use of Multi-Voxel Pattern Analysis (MVPA) has increased considerably in recent functional magnetic resonance imaging (fMRI) studies. A crucial step consists in the choice of a method for the estimation of responses. However, a systematic comparison of the different estimation alternatives and their adequacy to predominant experimental design is missing. In the current study we compared three pattern estimation methods: Least-Squares Unitary (LSU), based on run-wise estimation, Least-Squares All (LSA) and Least-Squares Separate (LSS), which rely on trial-wise estimation. We compared the efficiency of these methods in an experiment where sustained activity needed to be isolated from zero-duration events as well as in a block-design approach and in a event-related design. We evaluated the sensitivity of the t-test in comparison with two non-parametric methods based on permutation testing: one proposed in Stelzer et al. (2013), equivalent to performing a permutation in each voxel separately and the Threshold-Free Cluster Enhancement. LSS resulted the most accurate approach to address the large overlap of signal among close events in the event-related designs. We found a larger sensitivity of Stelzer's method in all settings, especially in the event-related designs, where voxels close to surpass the statistical threshold with the other approaches were now marked as informative regions. Our results provide evidence that LSS is the most accurate approach for unmixing events with different duration and large overlap of signal. This is consistent with previous studies showing that LSS handles large collinearity better than other methods. Moreover, Stelzer's potentiates this better estimation with its large sensitivity.