현대 신경영상 기술은 살아있는 인간 뇌의 복잡한 신호 전달 경로를 측정할 수 있는 독특한 기회를 제공했지만, 데이터에는 움직임 관련 인공물과 같은 잡음 요인이 포함되어 있다. 이를 제거하기 위해 정교한 전처리 단계가 개발되었지만, "진실" 기준이 없기 때문에 전처리 선택이 후속 통계 분석 및 결과에 미치는 영향을 평가하는 것이 여전히 큰 과제이다.
시간이 지남에 따라 전처리 파이프라인(일련의 전처리 단계)이 더 복잡하고 유연해졌으며, 이러한 연구자 자유도 증가("다중 우주 분석")는 신경영상 연구 결과에 지속적으로 영향을 미치는 것으로 나타났다. 현재 신경영상 분야에서 가장 일반적인 접근 방식은 단일 파이프라인을 사용하고 전처리 선택의 다양성을 무시하는 것이다. 이 접근 방식은 가능한 결과의 다양성을 추상화할 뿐만 아니라 최적의 파이프라인이 종종 연구, 인구 또는 심지어 대상에 따라 달라지기 때문에 최적이 아닐 가능성이 높다.
이 연구에서는 다양한 전처리 파이프라인 결과를 탐색하고 전처리 선택에 강건한 결론을 도출할 수 있는 통계적 민감도 분석 프레임워크를 제공한다. 구체적으로 (i) 여러 전처리 파이프라인의 이질성에 대한 시각화, (ii) 모든 전처리 파이프라인에 걸친 전반적인 효과 추정, (iii) 효과가 있는 파이프라인의 비율 정량화, (iv) "모든 파이프라인에서 효과 없음", "적어도 한 파이프라인에서 효과 없음" 등의 가설 검정을 위한 통계적 프레임워크를 제공한다.
Customize Summary
Rewrite with AI
Generate Citations
Translate Source
To Another Language
Generate MindMap
from source content
Visit Source
arxiv.org
A sensitivity analysis to quantify the impact of neuroimaging preprocessing strategies on subsequent statistical analyses
Djupare frågor
전처리 파이프라인의 편향을 줄이기 위한 다른 접근 방식은 무엇이 있을까?
전처리 파이프라인 간 상관관계가 높은 경우 어떤 문제가 발생할 수 있으며, 이를 해결하기 위한 방법은 무엇일까?
신경영상 데이터 전처리와 관련된 윤리적 고려사항은 무엇이 있을까?
© 2024 by Linnk AI