MV-ComBatおよびMV-CovBat：マルチメトリック神経画像データの共同調和のための多変量フレームワーク

科学分野:

• 神経画像解析
• 統計遺伝学
• 生物統計学

背景:

• サイトや研究を横断した神経画像データの集約は一般的です。
• サイトおよびスキャナー関連のバッチ効果は、生物学的変動を不明瞭にし、偽の関連を導入する可能性があります。
• 既存のComBat手法は主に単変量であり、複数のメトリックと特徴にわたる依存関係を考慮していません。

研究 の 目的:

• 複雑な神経画像データを調和させるためのComBatの多変量拡張を開発および評価すること。
• 平均、分散、およびメトリック間/特徴間の共分散におけるバッチ効果に対処すること。
• 大規模、マルチサイト、マルチメトリック神経画像研究における生物学的シグナルの保存と精度を向上させること。

主な方法:

• 複数のメトリックの共同調和のためのComBatの多変量拡張であるMV-ComBatを提案しました。
• 経験的ベイズ（EB）およびベイズマルコフ連鎖モンテカルロ（MCMC）を使用してMV-ComBatを実装しました。
• 特徴およびメトリックにわたる共分散関連バッチ効果の潜在空間調和のために、CovBatをMV-CovBatに拡張しました。

主要な成果:

• MV-ComBatは、複数のメトリックと特徴にわたるバッチ効果を効果的に低減します。
• EB実装は測定誤差に対して堅牢です。
• MCMCは、メトリック間の相関をより良く回復します。
• MV-CovBatは、独立性の仮定が満たされない場合に、真の生物学的変動とバッチ効果をさらに分離します。
• シミュレーションは、MV-ComBatが単変量ComBatよりも相関回復とシグナル保存を改善することを示しています。

結論:

• MV-ComBatおよびMV-CovBatは、複雑なマルチメトリック神経画像データを調和させるための柔軟なフレームワークを提供します。
• これらの手法は、大規模なマルチサイト神経画像研究における正確な分析に不可欠です。
• 提案された手法は、神経画像所見の信頼性と解釈可能性を高めます。