뇌영상 분석을 위한 최적 설계 행렬 생성 통계 프레임워크 SMART

초록

본 논문은 fMRI 분석에서 사용되는 일반선형모델(GLM)의 설계 행렬을, 지역별 신호와 잡음의 변동성을 고려해 편향‑분산 균형을 최적화하도록 자동 설계하는 SMART라는 통계 프레임워크를 제안한다. 최적 설계 행렬을 구하는 수치 알고리즘을 개발하고, 약물 주입 fMRI, 블록 디자인 과제 fMRI, 사건 관련 HRF 추정 등 다양한 실험에 적용해 민감도와 특이도를 동시에 향상시킴을 보였다.

상세 분석

SMART는 “Statistical framework for optimal design matrix generation”의 약자로, 기존 fMRI 1차 분석에서 모든 voxel에 동일한 설계 행렬을 적용함으로써 발생하는 편향(bias)과 과도한 분산(variance)을 정량적으로 분해하고, 이를 최소화하는 설계 행렬을 찾는 최적화 문제로 전환한다. 논문은 먼저 잠재적인 설계 행렬 집합 {X₁,…,Xₖ}을 정의하고, 각 설계 행렬에 대해 관심 대비(con­trast) 추정량 ˆβ의 기대값과 공분산을 구한다. 이때 편향은 실제 신호와 설계 행렬이 일치하지 않을 때 발생하고, 분산은 설계 행렬이 잡음에 민감하게 반응할 때 증가한다. SMART는 전체 목표 함수를
J(θ)=∑ₖ wₖ