功能磁共振成像還有效嗎？

編輯：Y小編

講者：於春水

來源：醫學界影像診斷與介入頻道

網路上很多報道說，功能磁共振假陽性率達到70%。

功能性磁共振成像真的不可信嗎？

12月16日，第六屆東方放射學大會創新驅動臨床應用分論壇，來自天津醫科大學醫學影像院院長於春水教授將為我們揭示這些研究背後的故事。

於教授講話中表示希望大家在做研究的過程中要重視多重比較校正方法。

需要校正多重比較的原因

假設做1次比較，P=0.05,從整體100次抽樣獲得不顯著結果的概率為95%（真陰性），顯著結果的概率5%（假陽性）；

假設做2次比較；P=0.05，從整體中100次抽樣獲得不顯著結果的概率（95%）2=90.25%（真陰性），顯著結果的概率；9.75%（假陽性）；

假設做20次比較：P=0.05,從整體中100次抽樣獲得不顯著結果的概率（95%）=36%（真陰性），顯著結果的概率64%（假陽性）。

功能磁共振每項研究至少要進行數千次甚至數萬次，偶然發現1次顯著結果的P=1-P（沒有顯著結果）=1-（1-0.05）n。

常見多重比較校正方法

Cluster Level校正原理

Cluster level ——1.對於每個體素，卡一個P值（CDT，一般是未校正）；2.能通過上述閾值的體素，形成若干個cluster；3.檢驗這些cluster的大小（體素數）是否能大於某個閾值（Ka）。

Voxel level校正——對於每個體素，卡一個校正的P值（FEW，FDR）。

文章開頭提到的研究主要方法和思想

從千人腦資料庫中選取三個數據集的樣本，將靜息態FMRI假想成任務fMRI數據分析方法處理數據。在每個數據集中，隨機抽取樣本進行單樣本t檢驗（尋找組內顯著數據激活）和雙樣本t檢驗（尋找組間顯著差異）。由於被試是從大樣本的健康被試中隨機抽取，雙樣本t檢驗的零假設是不應該存在組間激活的差異。靜息態FMRI中不應該具有一致變化的BOLD活動，單樣本t檢驗的零假設為零激活。基於voxel level的校正檢測每一個體素的顯著性，使用基於cluster level的校正檢測cluster的顯著性。

文章開頭提到的研究的主要結果

1. 參數統計的cluster level校正假陽性率遠超過5%；

2. 參數統計使用P=0.001作為初始閾值的cluster水平校正結果好於P=0.01；

3. 參數統計的voxel level校正控制假陽性率方面比較保守（低於5%）；

4. 參數統計FSL FLAMEl 的cluster水平校正往往比其他辦法更為有效；

5. 非參數統計cluster level的校正有效（假陽性率基本在5%水平），而且voxel水平的校正；也不像參數統計那樣保守（約等於5%）。

於教授表示，使用P

討論：隨機場理論（RFT）

SPM和FSL 均基於隨機場理論（RFT）進行多重比較校正，然而基於voxel與cluster的校正方法需要滿足的假設不盡相同：

基於隨機場理論的cluster level校正遠高於5%，但是其voxel level校正沒有問題。這說明SACF滿足高斯形狀，空間平滑程度在全腦一致或者CDT充分大，這些假設中的一個或者多個沒有滿足。

Alphasim校正效果不好的原因

AFNI（Alphasim）基於蒙特卡羅模擬而非隨機場理論，為什麼效果同樣不好？

Alphasim 方法需要基於的假設如下：

3dClustSim——1、空間平滑程度在全腦一致；2、SACF滿足高斯形狀。

AFNI使用個體水平分析中的平均平滑程度作為最終的平滑程度，而SPM和FSL從組水平的殘差中估計最終的平滑程度。因此，AFNI估計的平滑核相比SPM和FSL比較小。

在AFNI的3dClustSim里有一個存在了15年的程序錯誤（已經被修正），錯誤會減小多重比較校正的範圍，對顯著性估計過高（P值過低）。

綜合這兩點，導致cluster水平校正中的cluster水平校正中的cluster size相比於SPM和FSL過低，最終導致了較高的假陽性率。

哪些參數影響cluster level校正的假陽性率？

a. Cluster level矯正的初始閾值的選擇對於SPM和FSL和AFNI來講非常重要，使用一個比較寬鬆的初始閾值會增加假陽性率的程度。然而，置換檢驗不接受這個參數的影響。

b. 平滑程度對於假陽性率的影響很大（平滑核在一定程度內，越大校正越準確）。同樣，置換檢驗不受這個參數的影響。

c. 所有軟體（參數和非參數）均受到分析類型的影響，雙樣本t檢驗相比於單樣本t檢驗的假陽性率較小。

置換檢驗的優點：

1.不需要假設SACF的形狀（高斯）

2.不要建設空間平滑程度在全腦一致

3.不需要一個高的初始閾值（CDT）

參數檢驗的優點：

1) 參數檢驗比非參數檢驗更有效；

2) 參數檢驗具有更高的可重複性；

3) 非參數檢驗需要數據滿足可交換性；

4) 參數檢驗在計算上更有效率。

參數檢驗的這些優勢基於數據分布的假設，如果數據不滿足一定的分布，則參數檢驗不精確，在這種情況下，可以考慮使用非參數檢驗。

小結：

數據的分布滿足參數檢驗

一、對於基於隨機場理論的cluster level校正，在隨機場假設滿足的情況下，使用參數檢驗的隨機場cluster level的校正。使用比較高的CDT作為初始閾值（P

二、對於基於隨機場理論的voxel level校正。如：預先估計平滑核以及使用最新版的AFNI軟體（而非ＲＥＳＴ軟體中的Alphasim）；

三、如果數據的分布不滿足參數檢驗，或者校正的假設不滿足，使用非參數檢驗的基於voxel level或者cluster level。

於教授表示進行功能磁共振研究時遇到陽性結果時，要保持冷靜和信心，繼續掃描，不要過快的否定掃描研究。做實驗要進行多番驗證，不能妄下結論。