機能マッピング実験からの統計画像のノンパラメトリック分析

ポジトロン放射線断層撮影における機能マッピング実験の分析は、各ボクセルにおける特定の効果に対するデータの証拠を要約した適切な統計の値を表示する画像の形成を含みます。これらの統計画像は、統計的に有意な効果を示す領域を特定するために厳密に調査される必要があります。最も一般的に使用される方法はパラメトリックであり、統計画像内のボクセル値に対して特定の確率分布の形式を仮定します。これらの分布を記述するパラメータの観点で定式化された科学的仮説は、仮定に基づいてテストされます。統計の画像は、通常、連続の確率場の格子表現と見なされます。これらは統計分析により適しています。これらの分析方法にはさまざまな欠点があります。関与する多くの仮定と近似が真実でない場合があります。典型的な実験における被験者とスキャンの数が少ないと、自由度が低いノイズの多い統計画像が生じ、連続確率場によってよく近似されません。そのため、これらの方法はせいぜい概算的に有効であり、単一被験者研究では特に疑わしいです。既存の方法とは対照的に、我々は活性化研究からの統計画像の有意性検定に対するノンパラメトリックアプローチを提案します。形式的な仮定は、計算負荷の高いアプローチに置き換えられます。単純な静止-活性化研究では、もし本当に活性化効果がなければ、スキャンを「活性」または「静止」とラベリングすることは人工的であり、他のラベリングで形成された統計画像は観察されたものと同じくらい可能性が高いです。したがって、すべての可能な再ラベリングを考慮すると、統計画像を記述する任意の適切な統計に対してp値を計算できます。最大統計を考慮すると、単純なノンパラメトリックの単一閾値検定が得られます。このランダム化検定は、実験のデザインに関して最小限の仮定のみに依存し、Type Iエラーは（ほぼ）正確に指定されたものになり、それゆえ常に有効です。分布に関する仮定がないため、平滑化された分散画像で形成された「擬似」t統計画像など、幅広い検定統計を考慮することができます。提示されたアプローチは他のパラダイムにも容易に拡張でき、ほとんどの機能マッピング実験のノンパラメトリック分析を可能にします。パラメトリック手法の仮定が真実である場合、これらの新しいノンパラメトリック手法は、最悪の場合、彼らの検証を提供します。パラメトリック手法の仮定が疑わしい場合、ノンパラメトリック手法は保証される有効かつ正確な唯一の分析を提供します。