Непараметрические перестановочные тесты в функциональной нейровизуализации: практическое введение с примерами

Требуя лишь минимальных предпосылок для корректности, непараметрические перестановочные тесты обеспечивают гибкий и интуитивно понятный метод статистического анализа данных, полученных в экспериментах по функциональной нейровизуализации, хотя и сопряжены с определёнными вычислительными затратами. Перестановочный подход, впервые представленный в литературе по функциональной нейровизуализации Holmes и соавт. ([1996]: J Cereb Blood Flow Metab 16:7–22), позволяет непосредственно учитывать проблему множественных сравнений, неизбежно возникающую при стандартной проверке гипотез для каждого вокселя. При выполнении соответствующих предпосылок результаты непараметрического перестановочного анализа сходны с результатами сопоставимого метода статистического параметрического картирования, использующего общую линейную модель с поправками на множественные сравнения, выведенными на основе теории случайных полей. При малом числе степеней свободы, например в исследованиях с одним испытуемым методом ПЭТ или ОФЭКТ, а также в исследованиях с несколькими испытуемыми методом ПЭТ, ОФЭКТ или фМРТ, оценивающих эффекты на уровне популяции, непараметрический подход с использованием локально объединённой (сглаженной) оценки дисперсии может превосходить сопоставимый метод статистического параметрического картирования. Таким образом, эти непараметрические методы можно использовать для проверки корректности параметрических подходов, требующих меньших вычислительных ресурсов. Хотя теория и относительные преимущества перестановочных методов обсуждались различными авторами, доступного изложения этого метода и свободно распространяемого программного обеспечения для его реализации не существовало. Поэтому практическое применение этого подхода оставалось ограниченным. Настоящая статья и прилагаемое программное обеспечение для MATLAB призваны восполнить этот пробел. Стандартные рандомизационные и перестановочные методы тестирования изложены на доступном уровне с использованием практических примеров из функциональной нейровизуализации; также описаны их расширения для множественных сравнений. Представлены три подробных примера с использованием ПЭТ и фМРТ, приведено их обсуждение и, где уместно, выполнено сравнение со стандартными параметрическими подходами. На протяжении статьи рассматриваются практические аспекты, а соответствующие статистические понятия подробно изложены в приложениях.