《Journal of Neuroscience Methods》:Comparison of dimensionality reduction and feature selection for cognitive task decoding using functional connectivity
编辑推荐:
背景:功能磁共振成像(fMRI)的进步使得在各种情境下研究大脑成为可能。然而,功能连接(FC)方法产生的大量特征可能导致数据过拟合。这些问题可以通过特征选择(FS)或降维(DR)来解决,从而应用于较不复杂的模型。
新方法:虽然FS和DR方法先前已用于解码研究,
背景:功能磁共振成像(fMRI)的进步使得在各种情境下研究大脑成为可能。然而,功能连接(FC)方法产生的大量特征可能导致数据过拟合。这些问题可以通过特征选择(FS)或降维(DR)来解决,从而应用于较不复杂的模型。
新方法:虽然FS和DR方法先前已用于解码研究,但尚未对其性能进行系统比较。在此,研究人员使用常用的机器学习库比较了各种方法的性能,以确定哪种方法能提供最佳的预测性能。随后进行了统计检验,以检查DR和FS方法以及分类器对解码准确性的相对贡献。
结果:研究发现DR或FS均非绝对优越。然而,在不同数据集和任务中发现了差异。在大多数方法和数据集中,使用少量原始特征(0.05%-0.10%)时,预测性能达到峰值。
与现有方法的比较:某些方法的表现优于使用所有可用特征或随机选择特征进行预测的基线方法。使用某些方法和数据集的解码性能甚至超过了深度学习方法。
结论:这些结果表明,在特征保留与预测准确性之间存在一个“最佳平衡点”。
研究背景
功能磁共振成像(fMRI)技术的发展使得人类能够在多种情境下对大脑进行密集采样。功能连接(FC)方法在建立脑功能、行为与认知之间的联系方面显示出巨大潜力。然而,FC方法产生的特征数量极其庞大(约103至107量级),导致了严重的“维度灾难”。这种高维度不仅增加了预测变量的多重共线性从而降低了解释性,还容易导致模型在预测建模中出现过拟合现象。尽管特征选择(FS)和降维(DR)方法被广泛用于克服这一问题,但在基于FC的认知任务解码研究中,尚未有研究系统地比较不同FS和DR方法的性能差异。此外,随着深度学习的发展,其高昂的计算成本和“黑箱”特性引发了关于环境足迹和可解释性的担忧,这使得探究传统机器学习方法在特定神经影像数据上的表现变得尤为重要。本研究旨在填补这一空白,为计算资源有限的科研人员提供高效且可解释的替代方案。
研究方法
研究人员选取了两个公开的大规模神经影像数据集:Human Connectome Project (HCP) 和 UCLA Consortium for Neuropsychiatric Phenomics dataset。研究流程首先对fMRI数据进行预处理,采用Schaefer等人的200脑区7网络图谱进行分区,提取每个脑区的平均BOLD信号并进行Fisher-z变换,进而计算皮尔逊相关系数生成功能连接矩阵。随后提取矩阵的唯一值作为初始特征集(共19,900个特征)。研究纳入了七种FS/DR方法,包括三种特征选择方法:层次聚类(HC)、排列重要性(RFPI)、模型选择(SFM);以及四种降维方法:主成分分析(PCA)、核主成分分析(kPCA)、截断奇异值分解(tSVD)和线性判别分析(LDA)。分类器选用随机森林分类器(RFC)、支持向量机(SVM)和岭回归(RR)。通过网格搜索优化超参数,并采用分组k折交叉验证策略防止数据泄露,最终通过逐步分层回归分析各因素对解码准确率的贡献。
研究结果
3.1. 数据集、分类器和DR/FS方法的性能表现
通过绘制各方法在不同特征数量下的性能曲线发现,许多方法在特征数量为10至1,000之间时分类准确率最高。随着特征数量增加,性能往往呈下降趋势。值得注意的是,SVM在HCP数据集上的表现普遍不佳,而岭回归(RR)结合tSVD在该数据集中表现最佳。不同数据集间存在明显差异,例如在HCP中表现良好的方法在UCLA数据集中未必有效。
3.2. 各数据集的最佳分类器和DR/FS方法
在HCP数据集中,使用tSVD降维后的1,959个特征结合岭回归达到了最高的99.06%的分类准确率。而在UCLA数据集中,虽然使用全部特征结合岭回归效果最好(82.11%),但在降维方法中,tSVD结合SVM取得了80.00%的准确率。总体而言,岭回归在大多数情况下表现出色,且最佳性能通常出现在使用了极少比例(0.005%-0.10%)原始特征的模型中。
3.3. 任务水平结果
在任务层面的解码分析中,HCP数据集中的社会处理任务和关系任务具有较高的分类准确率,而情绪和工作记忆任务对某些分类器(如SVM)来说更具挑战性。在UCLA数据集中,屏息任务的解码准确率最高,而任务切换任务的准确率最低。这表明不同的认知任务由于其固有的神经活动模式差异,对不同DR/FS方法的敏感度也不同。
3.4. 逐步分层回归
回归分析结果显示,特征集大小、分类器类型、DR/FS方法及其交互作用均对模型准确率有显著贡献。在UCLA数据集中,这些因素共同解释了85%的准确率方差;在HCP数据集中则解释了91%的方差。这证实了DR/FS方法的选择对解码性能的影响独立于特征数量和分类器本身。
讨论与结论
本研究表明,在利用功能连接进行认知任务解码时,应用DR和FS方法普遍优于直接使用全部特征或随机选择特征。研究并未发现DR或FS在整体上具有绝对优越性,而是强调了两者在不同数据集和任务中的互补性。一个关键的发现是“最佳平衡点”的存在,即仅使用总特征空间中极小的比例(约0.05%-0.10%)即可达到接近完美的分类性能,这极大地降低了计算复杂度。
此外,研究证明了传统的机器学习模型(特别是岭回归)在fMRI解码任务中能够与深度学习方法相媲美,甚至在多项任务的准确率上超越了现有的神经网络模型,同时具备更高的可解释性和更低的环境成本。运行时间分析显示,大多数模型在几分钟到半小时内完成,而SVM在大特征量下耗时显著增加。
综上所述,该研究为认知神经科学领域提供了重要的实证指导:在选择DR/FS策略时,应充分考虑具体的数据集特性和目标任务,而非盲目追求复杂的深度学习架构。这项工作为资源受限的研究团队提供了一条利用传统机器学习实现高效、可解释且环保的神经影像解码的可行路径。