Multiple Vergleiche Small Volume Correction Effekte mehrerer Kontraste. Multiple Vergleiche. Mareike Düesberg. SPMKurs 2016

Transkript

1 Multiple Vergleiche Mareike Düesberg SPMKurs 2016

2 Ablauf Multiple Vergleiche Inferenzlevel Inklusive Maskierung Exklusive Maskierung Konjunktion

3 Inferenzlevel Multiple Vergleiche: viele Voxel viele Tests...

4 Multiple Vergleiche Inferenzlevel ISN, UKE Hamburg multiple Vergleiche - SPMKURS 2016

5 Inferenzlevel Einzeltest vs Multiple Tests ein statistischer Wert eine Nullhypothese und eine Chance diese (auch fälschlich) zu verwerfen T (40) = 1.69, p < 0.05 bei einem Test würde man ein falsch positives Testergebnis mit einer Wahrscheinlichkeit von 5% erwarten tausende statistische Werte eine Nullhypothese und tausende Chancen diese zu verwerfen T (40) = 1.69, p < 0.05 gilt nur für ein einziges Mal bei Voxeln würde man 8192 falsch positive Testergebnisse erwarten

6 Inferenzlevel Neural correlates of interspecies perspective taking...

7 Inferenzlevel Bonferroni-Korrektur Eine Irrtumswahrscheinlichkeit von α = 0.05 pro Einzeltest ist nicht ausreichend, um für die Familie aller Tests eine Irrtumswahrscheinlichkeit von α = 0.05 zu garantieren Um die Irrtumswahrscheinlichkeit für die Familie aller Tests auf α = 0.05 festzulegen und unabhängig von der Anzahl m durchgeführter Tests zu machen, wird folgende Korrektur benötigt: α = α/m Unterschreitet mindestens ein Test diese Irrtumswahrscheinlichkeit α, so wird die globale Nullhypothese auf einem α-niveau von 0.05 verworfen Annahme: Unabhängigkeit der einzelnen Tests.

8 Inferenzlevel Bonferroni-Korrektur für fmrt? fmri Daten sind räumlich korreliert Abhängigkeitsstruktur Räumliche Ausbreitung der Aktivierung Nicht modellierte physiologische Einflüsse Vorverarbeitung: Interpolation und Glättung Anzahl unabhängiger Datenpunkte < Anzahl der Voxel Bonferroni-Korrektur zu konservativ Glätte der statistischen Karte beinflusst Größe und Anzahl der Aktivierungen

9 Inferenzlevel Family Wise Error (FWE) Signifikanzkorrektur für falsch abgelehnte Tests in Bezug auf alle durchgeführten Tests arbeitet mit Theorie der Gaussian Random Fields (GRF) GRF schätzt die Glätte der Karte und passt an, optimal bei großer Anzahl an Freiheitsgraden und hoher Glätte False Discovery Rate (FDR) Signifikanzkorrektur für falsch abgelehnte Tests in Bezug auf alle abgelehnten Tests kein exakter Wert, sondern Erwartungswert abhängig vom Aktivierungsgrad der Karte: je mehr abgelehnte Tests, desto mehr falsch abgelehnte Tests

10 Inferenzlevel

11 Inferenzlevel Set, Cluster oder Voxel-Level? Set level: Wahrscheinlichkeit für ein zusammengehöriges Set von Clusters Cluster level: Wahrscheinlichkeit für ein zusammengehöriges Set von Voxeln Voxel level: Wahrscheinlichkeit für jedes einzelne Voxel diese Levels sind verknüpft und basieren auf gemeinsamen Wahrscheinlichkeiten: es gibt c oder mehr Cluster (set level) mit k oder mehr Voxeln (cluster level) über einer bestimmtem Schwelle u (voxel level)

12 Inferenzlevel Cluster oder Voxel-Level? Cluster (extent) Level Voxel Level sensitiver H 0 : es gibt kein Cluster mit der Größe k, das ein Voxel über u enthält unspezifischer (irgendein Voxel im Cluster ist aktiv) unabhängig von Nachbarvoxeln abhängig von k und u konservativer H 0 : es gibt kein Voxel über Schwelle u spezifischer (peak kann interpretiert werden) stark abhängig von der Glätte des Bildes abhängig von u

13 Inferenzlevel Empfehlungen voxel-level benutzen, wann immer möglich wenn die Frage ist, ob 2 Bedingungen überlappende oder unterschiedliche Bereiche aktivieren, reicht die räumliche Spezifität von cluster-level nicht aus für sehr kleine Regionen kann nur voxel-level eine Aussage darüber treffen, ob die Aktivität innerhalb oder außerhalb der Struktur liegt für moderate Effekte und Stichprobengrößen und ausgedehnte Aktivierungen cluster mit konservativer Schwelle ermitteln (p < 0.001) Glätte der Bilder beachten (k sinnvoll wählen, z.b. über AlphaSim)

14 Inferenzlevel Zusammenfassung multiple Vergleiche Univariate fmrt-analysen führen Tausende von Tests gegen eine globale Nullhypothese durch Multiple Tests führen zu einer drastischen Erhöhung der Irrtumswahrscheinlichkeit Bonferroni-Korrektur ist nur für unabhängige Tests angemessen und daher für fmrt-daten zu konservativ (Abhängigkeitsstruktur der Voxel) SPM beinhaltet zwei Korrekturmöglichkeiten: Kontrolle der Family Wise Error Rate über Gaussian Random Fields oder Bonferroni und Kontrolle der False Discovery Rate nur so viele Tests wie nötig machen

15 die Anzahl der Tests durch das Suchvolumen reduzieren

16 Wann? A-priori Hypothese in Bezug auf eine Region Einschränkung des Suchvolumens auf einen bestimmten Bereich des Bildes Anzahl der durchgeführten Tests, für die korrigiert werden muss, verringert sich höhere Sensitivität Wie? anatomisch (Brodman-Areal, Harvard-Oxford Probability-Masks, Jülich-Masken,... ) funktionell (anderes Experiment, Localizer-Task, ALE-Metaanalysen-Karte, Kugel (besser) um Mittelpunktkoordinaten aus veröffentlichten Studien (Radius entsprechend der gesuchten Struktur) Algorithmus wie gehabt: Bonferroni, FWE, FDR

17 Harvard-Oxford Probability Masks 48 bilateral definierte kortikale Strukturen 21 unilateral definierte subkortikale Strukturen Zugehörigkeitswahrscheinlichkeiten für jedes Voxel 1 1 1mm 3 und 2 2 2mm 3 Auflösungen Teil von FSL / FSLView (auch einzeln nutzbar)

18 BrainMap GingerAle Activation Likelihood Estimation Koordinatenlisten werden mit n gewichtet in Wahrscheinlichkeitskarten gewandelt

19 neurosynth.org activations reported in studies Interactive, downloadable meta-analyses of 3107 terms Functional connectivity and coactivation maps for over 150,000 brain locations (Stand: )

20 SVC in SPM

21 Multiple Vergleiche Umgang mit verschiedenen I manchmal möchte man mehr zeigen... I für die Weiterverwendung in Meta-Analysen empfiehlt sich eine vollständige Tabelle (mit konservativer Schwelle) aller Cluster mit peak-voxel-koordinaten und genauem p Wert (z.b. im Supplement) I SPMs zur Verfügung stellen (z.b. neurovault.org) ISN, UKE Hamburg multiple Vergleiche - SPMKURS 2016

22 Inklusive Maskierung Exklusive Maskierung Konjunktion...

23 Multiple Vergleiche Inklusive Maskierung Exklusive Maskierung Konjunktion A inklusiv maskiert mit B Welche Aktivierungen überleben eine Schwelle von p < αi in Kontrast A, die eine Schwelle von p < αii in Kontrast B überleben? Achtung: inklusive Maskierung ist kein statistischer Test und ist nicht äquivalent zu Konjunktionstests ISN, UKE Hamburg multiple Vergleiche - SPMKURS 2016

24 Multiple Vergleiche Inklusive Maskierung Exklusive Maskierung Konjunktion A exklusiv maskiert mit B Welche Aktivierungen überleben eine Schwelle von p < αi in Kontrast A, die eine Schwelle von p < αii in Kontrast B nicht überleben? Achtung: exklusive Maskierung ist kein statistischer Test und bedeutet nicht, dass in Voxel XYZ A signifikant stärker aktiviert als B oder B überhaupt nicht aktiviert ISN, UKE Hamburg multiple Vergleiche - SPMKURS 2016

25 Inklusive Maskierung Exklusive Maskierung Konjunktion 3 verschiedene Arten von Konjunktion in SPM Global Null Intermediate Conjunction Null H 0 : kein Effekt für n einzelne Tests Konjunktion von k > 0 Effekten testet gegen Minimum t Verteilung Tests müssen unabhängig sein H 0 : kein Effekt für n-u der n einzelnen Tests Konjunktion von k > u Effekten testet gegen Minimum t Verteilung Tests müssen unabhängig sein H 0 : kein Effekt für einen der n einzelnen Tests Konjunktion von k > n 1 Effekten testet gegent Verteilung Unabhängigkeit nicht notwendig

26 Inklusive Maskierung Exklusive Maskierung Konjunktion Konjunktion in SPM

27 Inklusive Maskierung Exklusive Maskierung Konjunktion Zusammenfassung mehrere Kontraste Maskierungs- und Konjunktionsanalysen betrachten Effekte, die mit einem einzelnen Kontrast nicht untersucht werden können Maskierungsverfahren (exklusiv, inklusiv) sind keine statistischen Tests, sondern nur Visualisierungshilfen Konjunktionsanalysen basieren auf einer Minimum t-karte, die sich aus den in die Konjunktion eingehen Kontrasten ergibt Konjunktionsanalysen in SPM (Global, Intermediate, Conjunction) haben unterschiedliche Nullhypothesen Interpretation der Ergebnisse unterschiedlich Global Null Konjunktion ist am liberalsten, Conjunction Null Konjunktion ist am konservativsten