다중 피험자 fMRI 분석을 위한 참조 기반 제약 독립 벡터 분석

독립 성분 분석(ICA)은 현재 다중 피험자 기능적 자기 공명 영상(fMRI) 데이터 분석에 널리 사용되는 솔루션입니다. 독립 벡터 분석(IVA)은 ICA를 여러 데이터 세트(다중 피험자 데이터)로 일반화합니다. ICA의 고차원 통계 정보와 함께 데이터 세트 간의 통계적 의존성을 추가적인 통계적 다양성의 유형으로 활용합니다. 따라서 IVA는 단일 피험자 맵 추정에서 변동성을 유지하지만 데이터 세트 수가 증가하면 성능이 저하될 수 있습니다. 제약 IVA는 사용 가능한 사전 정보를 포함하여 컴퓨팅 문제를 우회하고 분리 품질을 개선하는 효과적인 방법입니다. 기존의 제약 IVA 접근법은 종종 제약 조건을 정의하기 위해 사용자 정의 임계값에 의존합니다. 그러나 부적절하게 선택된 임계값은 최종 결과에 부정적인 영향을 미칠 수 있습니다. 본 논문은 제약 IVA를 위한 두 가지 새로운 방법을 제안합니다: 하나는 제약을 위한 가변 임계값을 선택하기 위한 적응 반전 방식을 사용하는 것이고, 두 번째는 IVA의 고유한 구조를 활용한 임계값 없는 공식에 기반합니다. 특히 제안된 알고리즘은 모든 성분이 제약을 받아야 할 필요가 없으며, 자유로운 성분을 활용하여 간섭을 모델링하고 기준 세트에 포함되지 않을 수 있는 성분을 처리합니다. 우리는 우리의 해결책이 다중 피험자 fMRI 분석에 매력적인 솔루션을 제공한다는 것을 98명의 피험자로부터 수집된 안정적 상태 fMRI 데이터 분석과 시뮬레이션을 통해 입증합니다 - 이는 IVA 알고리즘에서 사용된 최대 피험자 수입니다. 우리의 결과는 두 가지 제안된 접근법 모두 계산적으로 효율적이고 매우 재현 가능한 솔루션을 제공하면서 분리 품질과 모델 일치를 유의미하게 개선한다는 것을 보여줍니다.