データ処理品種がDCMに及ぼす影響タスク-FMRIからの効果的な接続の推定値

効果的な接続性（EC）とは、相互作用する神経集団または脳領域間の方向性または因果関係の影響を指し、動的因果モデリング（DCM）を介して機能的な磁気共鳴画像法（FMRI）データから推定できます。機能的な接続性とは対照的に、タスク誘発ECのDCM推定値に対するデータ処理品種の影響はほとんど対処されていません。したがって、タスク誘発ECがデータ処理のために行われた選択によってどのように影響を受けるかを調査しました。特に、グローバル信号回帰（GSR）の影響、第1レベルのタスク誘発fMRI分析に使用される一般線形モデル（GLM）のブロック/イベント関連設計、活性化コントラストのタイプ、および有意性のしきい値アプローチを検討しました。。DCMを使用して、グループ間パラメトリックな経験的ベイズを介して任意の2つのデータ処理条件間のタスク誘発ECの違いを考慮して比較し、比較して比較し、比較して比較し、比較し、比較し、比較して比較して、DCMを使用して、脳の平均誘発ECを推定しました。（PEB）分析とベイジアンデータ比較（BDC）。データ処理の選択に応じて、グループ平均ECのパターンが強く変化するパターンを観察しました。特に、タスク誘発ECとパラメーターの確実性は、それぞれPEBとBDCによって明らかにされたGLM設計と活性化コントラストの種類によって強く影響を受けましたが、GSRおよび有意なしきい値のタイプによってほとんど影響を受けませんでした。イベント関連のGLM設計は、ECのタスク誘発変調に対してより敏感であるように見えますが、ブロックベースの設計よりも確実性が低いモデルパラメーターを提供しますが、後者はイベントよりも活性化コントラストのタイプにより敏感です -関連デザイン。我々の結果は、異なる合理的なデータ処理の選択肢を適用することで、DCMによって推定されるように、タスク誘発ECを大幅に変更できることを示しています。このような選択は注意して行う必要があり、可能な場合はいつでも並列分析によって変化して、その影響を評価し、堅牢な結果の潜在的な収束を特定します。

Effective connectivity (EC) refers to directional or causal influences between interacting neuronal populations or brain regions and can be estimated from functional magnetic resonance imaging (fMRI) data via dynamic causal modeling (DCM). In contrast to functional connectivity, the impact of data processing varieties on DCM estimates of task-evoked EC has hardly ever been addressed. We therefore investigated how task-evoked EC is affected by choices made for data processing. In particular, we considered the impact of global signal regression (GSR), block/event-related design of the general linear model (GLM) used for the first-level task-evoked fMRI analysis, type of activation contrast, and significance thresholding approach. Using DCM, we estimated individual and group-averaged task-evoked EC within a brain network related to spatial conflict processing for all the parameters considered and compared the differences in task-evoked EC between any two data processing conditions via between-group parametric empirical Bayes (PEB) analysis and Bayesian data comparison (BDC). We observed strongly varying patterns of the group-averaged EC depending on the data processing choices. In particular, task-evoked EC and parameter certainty were strongly impacted by GLM design and type of activation contrast as revealed by PEB and BDC, respectively, whereas they were little affected by GSR and the type of significance thresholding. The event-related GLM design appears to be more sensitive to task-evoked modulations of EC, but provides model parameters with lower certainty than the block-based design, while the latter is more sensitive to the type of activation contrast than is the event-related design. Our results demonstrate that applying different reasonable data processing choices can substantially alter task-evoked EC as estimated by DCM. Such choices should be made with care and, whenever possible, varied across parallel analyses to evaluate their impact and identify potential convergence for robust outcomes.