Сравнение пространственных нулевых моделей для карт мозга

Технологический прогресс и развитие обмена данными привели к резкому росту числа высокоразрешающих структурных и функциональных карт мозга. Современные нейровизуализационные исследования все больше зависят от выявления соответствия между топографиями этих карт; однако большинство стандартных методов статистического вывода не учитывают их пространственные свойства. В последнее время разработано несколько методов генерации нулевых распределений, сохраняющих пространственную автокорреляцию карт мозга и обеспечивающих более точные статистические оценки. Здесь мы всесторонне оценили эффективность десяти опубликованных нулевых схем в статистическом анализе данных нейровизуализации. Чтобы проверить эффективность этих схем в ситуациях с известной истинной картиной, мы сначала применили их к серии контролируемых симуляций и изучили влияние разрешения данных и пространственной автокорреляции на показатели семейной ошибки первого рода. Затем мы использовали каждую схему на двух эмпирических наборах данных нейровизуализации, исследуя их эффективность при проверке (1) соответствия между картами мозга, например корреляции двух карт активации, и (2) пространственного распределения признака внутри парцеляции, например количественной оценки специфичности карты активации в пределах внутренней функциональной сети. Наконец, мы исследовали, как различия в реализации этих нулевых моделей могут влиять на их эффективность. В согласии с предыдущими сообщениями мы обнаружили, что наивные нулевые модели, не сохраняющие пространственную автокорреляцию, стабильно приводят к завышенным частотам ложноположительных результатов и нереалистично либеральным статистическим оценкам. Хотя пространственно ограниченные нулевые модели давали более реалистичные, консервативные оценки, даже эти схемы страдают от завышенных частот ложноположительных результатов и вариабельной эффективности в разных анализах. Во всех наших результатах влияние парцеляции и разрешения на работу нулевых моделей было минимальным. В целом наши данные подчеркивают необходимость дальнейшей разработки статистически строгих методов сравнения карт мозга. Настоящее исследование предлагает унифицированную схему для бенчмаркинга и сравнения будущих улучшений.