Test à haute dimension pour les réseaux fonctionnels des régions anatomiques du cerveau

Aperçu: G.M.

L'exploration de la connectivité fonctionnelle du cerveau avec des troubles du spectre de l'autisme (TSA) en utilisant des données fonctionnelles d'imagerie par résonance magnétique (IRMF) est devenue un sujet populaire au cours des dernières années. Les données dans un modèle de cerveau standard se composent de plus de 170 000 points spécifiques de voxel pour chaque sujet humain. Une telle dimensionnalité ultra-élevée rend l'analyse de connectivité fonctionnelle au niveau du voxel (impliquant quatre milliards de paires de voxels) statistiquement et inefficace sur le plan informatique

Les chercheurs proposent deux tests par paires pour détecter la dépendance de la région et une procédure de test multiple pour identifier les structures globales du réseau. 

Les études numériques montrent que les tests proposés sont valides et puissants. Cette méthode appliquée à une étude de l'IRMF sur l'autisme montrent que les résultats sont biologiquement significatifs et cohérents avec la littérature existante.

J Multivar Anal. 2017 Apr;156:70-88. doi: 10.1016/j.jmva.2017.01.011. Epub 2017 Feb 7.

High-dimensional tests for functional networks of brain anatomic regions

Xie J¹, Kang J².

Author information

1

Department of Biostatistics and Bioinformatics, Duke University School of Medicine, Durham, NC 27705.

2

Department of Biostatistics, University of Michigan, Ann Arbor, MI 48109.

Abstract

Exploring resting-state brain functional connectivity of autism spectrum disorders (ASD) using functional magnetic resonance imaging (fMRI) data has become a popular topic over the past few years. The data in a standard brain template consist of over 170,000 voxel specific points in time for each human subject. Such an ultra-high dimensionality makes the voxel-level functional connectivity analysis (involving four billion voxel pairs) both statistically and computationally inefficient. In this work, we introduce a new framework to identify the functional brain network at the anatomical region level for each individual. We propose two pairwise tests to detect region dependence, and one multiple testing procedure to identify global structures of the network. The limiting null distribution of each test statistic is derived. It is also shown that the tests are rate optimal when the alternative block networks are sparse. The numerical studies show that the proposed tests are valid and powerful. We apply our method to a resting-state fMRI study on autism and identify patient-unique and control-unique hub regions. These findings are biologically meaningful and consistent with the existing literature.

PMID: 28413234

PMCID: PMC5391152  [Available on 2018-04-01]

DOI: 10.1016/j.jmva.2017.01.011