Correlation coefficients and appliction in fMRI Data

背景知识

皮尔逊相关系数(Pearson correlation coefficient)

$$\begin{array}{rl}{\rho }_{ij}& =\rho \left({\mathbf{X}}_i,{\mathbf{X}}_j\right)\\ & =\frac{cov\left({\mathbf{X}}_i,{\mathbf{X}}_j\right)}{\sqrt{D({\mathbf{X}}_i)}\sqrt{D({\mathbf{X}}_j)}}\end{array}$$

肯德尔和谐系数(Kendall’s W)

Kendall’s W解决的原始问题是在不同人对多个事物进行评分时, 如何对这些人评分结果的一致性进行评价.

假设存在$n$件物体, 并由$m$个不同的人进行评分或排序, 且第$j$个人对第$i$件物体的评分为$r_{ij}$(在该问题中, 每个评分实际表示的是排序, 为1到n之间的整数且不重复), 则这些评分可表示为
R = { r i j } n × m \mathbf{R}=\{ r_{ij} \}_{n \times m} R={rij​}n×m​

物体$i$的总分为
$$R_i=\sum _{j=1}^m{r}_{ij}$$

所有物体的平均得分为
$$\begin{array}{rl}\bar{R}& =\frac{1}{n}\sum _{i=1}^n{R}_i\\ & =\frac{1}{n}\sum _{i=1}^n\sum _{j=1}^m{r}_{ij}\\ & =\frac{1}{n}\sum _{j=1}^m\frac{n(n+1)}{2}\\ & =\frac{m(n+1)}{2}\end{array}$$

所有物体得分的方差之和为$S={\sum }_{i=1}^n{\left(R_i-\bar{R}\right)}^2$, 则Kendall’s W定义为
$$W=\frac{12S}{m^2(n^3-n)}$$
其中$\frac{m^2(n^3-n)}{12}$表示$S$可能出现的最大值, 当且仅当所有人对同一个物体的评分一致时(即评分一致)得到, 而最小值则在$R_i=\bar{R}$时得到.
$$\begin{array}{rl}\max S& =\sum _{i=1}^n{\left(mi-\bar{R}\right)}^2\\ & =\sum _{i=1}^n\left[m^2{i}^2-m^{2}i(n+1)+\frac{m^2(n+1{)}^2}{4}\right]\\ & =m^{2}n(n+1)\cdot \frac{2n+1}{6}-m^{2}n(n+1)\cdot \frac{n+1}{4}\\ & =m^{2}n(n+1)\cdot \frac{n-1}{12}\\ & =\frac{m^2(n^3-n)}{12}\end{array}$$
使得$W$的范围缩小至$\left[0,1\right]$.

fMRI数据

功能磁共振成像数据的基本元素为体素的时间序列${\mathbf{X}}_i={\left[x_{i1},x_{i2},\cdots ,x_{iT}\right]}^T$, 则一个被试的全脑数据可表示为
$$\begin{array}{rl}\mathbf{X}& ={\left[{\mathbf{X}}_1,{\mathbf{X}}_2,\cdots ,{\mathbf{X}}_R\right]}^T\\ & ={\left[\begin{array}{cccc}{x}_{11}& x_{12}& \cdots & x_{1T}\\ x_{21}& x_{22}& \cdots & x_{2T}\\ ⋮& ⋮& \ddots & ⋮\\ x_{R1}& x_{R2}& \cdots & x_{RT}\end{array}\right]}_{R\times T}\end{array}$$
其中$R=W\times H\times D$表示体素的数量, $W,H,D$分别表示脑影像数据在三个维度上的大小, $T$表示时间序列的长度, ${\mathbf{X}}_r\in {\mathbb{R}}^T$表示第$R$个体素的时间序列.

根据AAL(Anatominal Atlas Label)模版, 全脑可分为116个脑区, 即将所有体素划分至116个集合中
R O I i = { j 1 , j 2 , ⋯   , j R i } i = 1 , 2 , ⋯   , 116 ROI_i=\{ j_1, j_2, \cdots, j_{R_i} \} \quad i=1,2,\cdots,116 ROIi​={j1​,j2​,⋯,jRi​​}i=1,2,⋯,116
其中, $R_i$表示第i个脑区包含的体素数量.

功能连接

功能连接的计算步骤如下

1. 计算各脑区的平均时间序列
   $${\bar{\mathbf{X}}}_i=\frac{1}{R_i}\sum _{j\in RO{I}_i}{\mathbf{X}}_j$$
2. 计算两个脑区之间的Pearson相关系数
   $$\begin{array}{rl}{\rho }_{ij}& =\rho \left({\bar{\mathbf{X}}}_i,{\bar{\mathbf{X}}}_j\right)\\ & =\frac{cov\left({\bar{\mathbf{X}}}_i,{\bar{\mathbf{X}}}_j\right)}{\sqrt{D({\bar{\mathbf{X}}}_i)}\sqrt{D({\bar{\mathbf{X}}}_j)}}\end{array}$$

由于$\rho \left({\bar{\mathbf{X}}}_i,{\bar{\mathbf{X}}}_j\right)=\rho \left({\hat{\mathbf{\alpha }}}_i{\mathbf{X}}_i,{\hat{\mathbf{\alpha }}}_j{\mathbf{X}}_j\right)$, 其中${\hat{\mathbf{\alpha }}}_i$为长度为$R_i$, 所有元素为$\frac{1}{R_i}$的向量. 因此有
$$\begin{array}{rl}{\rho }_{ij}& =\rho \left({\bar{\mathbf{X}}}_i,{\bar{\mathbf{X}}}_j\right)\\ & =\rho \left({\mathbf{\alpha }}_i{\mathbf{X}}_i,{\mathbf{\alpha }}_j{\mathbf{X}}_j\right)\\ & =\frac{{\hat{\mathbf{\alpha }}}_i^T{\Sigma }_{{\mathbf{X}}_i{\mathbf{X}}_j}{\hat{\mathbf{\alpha }}}_j}{\sqrt{{\hat{\mathbf{\alpha }}}_i^T{\Sigma }_{{\mathbf{X}}_i{\mathbf{X}}_i}{\hat{\mathbf{\alpha }}}_i}\sqrt{{\hat{\mathbf{\alpha }}}_j^T{\Sigma }_{{\mathbf{X}}_j{\mathbf{X}}_j}{\hat{\mathbf{\alpha }}}_j}}\\ & =\frac{{\mathbf{\alpha }}_i^T{\Sigma }_{{\mathbf{X}}_i{\mathbf{X}}_j}{\mathbf{\alpha }}_j}{\sqrt{{\mathbf{\alpha }}_i^T{\Sigma }_{{\mathbf{X}}_i{\mathbf{X}}_i}{\mathbf{\alpha }}_i}\sqrt{{\mathbf{\alpha }}_j^T{\Sigma }_{{\mathbf{X}}_j{\mathbf{X}}_j}{\mathbf{\alpha }}_j}}\end{array}$$
其中${\Sigma }_{{\mathbf{X}}_i{\mathbf{X}}_j}$表示随机向量${\mathbf{X}}_i$与${\mathbf{X}}_j$的协方差矩阵, ${\mathbf{\alpha }}_i$与${\mathbf{\alpha }}_j$分别表示所有元素为1, 长度为$R_i,R_j$的向量.

局部一致性(Regional Homogeneity)(此章节有误)

局部一致性的计算过程如下

1. 选取中心体素${\mathbf{X}}_i=[x_{i1},x_{i2},\cdots ,x_{iT}{]}^T$
2. 以体素${\mathbf{X}}_i$为中心选取周围的体素(在DPARSF standard processing pipeline中, 为相邻的$K=27$个体素)
   $$\begin{array}{rl}{\tilde{\mathbf{X}}}_i& ={\left[{\mathbf{X}}_{i_1},{\mathbf{X}}_{i_2},\cdots ,{\mathbf{X}}_{i_K}\right]}^T\\ & =\left[\begin{array}{cccc}{x}_{i_{1}1}& x_{i_{1}2}& \cdots & x_{i_{1}T}\\ x_{i_{2}1}& x_{i_{2}2}& \cdots & x_{i_{1}T}\\ ⋮& ⋮& \ddots & ⋮\\ x_{i_{K}1}& x_{i_{K}2}& \cdots & x_{i_{K}T}\end{array}\right]\end{array}$$
3. 根据Kendall’s W的计算, 得到该体素的局部一致性
   (1) 计算所有时间点的和
   $${\tilde{\mathbf{X}}}_{it}^S=\sum _{j=1}^K{x}_{i_{j}t}t=1,2,\cdots ,T$$
   也可以表示成为矩阵与向量的形式
   $$\begin{array}{rl}{\tilde{\mathbf{X}}}_i^S& =\sum _{j=1}^K{\mathbf{X}}_{i_j}\\ & =\mathbf{\alpha }{\tilde{\mathbf{X}}}_i\end{array}$$
   其中$\mathbf{\alpha }=[1,1,\cdots ,1]$是维数为$1\times 27$的向量.
   (2) 计算所有体素的平均值
   $$\begin{array}{rl}{\bar{\mathbf{X}}}_i& =\frac{1}{T}\sum _{j=1}^K\sum _{t=1}^T{x}_{i_{j}t}\\ & =\frac{1}{T}\sum _{t=1}^T{\tilde{\mathbf{X}}}_{it}^S\end{array}$$
   (3) 计算Kendall’s W
   $$W_i=\frac{12S_i}{K^2(T^3-T)}$$
   其中$S$表示所有时间序列和的方差
   $$\begin{array}{rl}{S}_i& =D({\tilde{\mathbf{X}}}_i^S)=D(\mathbf{\alpha }{\tilde{\mathbf{X}}}_i)\\ & =\sum _{j=1}^{K}D({\mathbf{X}}_{i_j})\\ & ={\mathbf{\alpha }}^T{\Sigma }_{{\tilde{\mathbf{X}}}_i{\tilde{\mathbf{X}}}_i}\mathbf{\alpha }\end{array}$$
   因此
   $$\begin{array}{rl}{W}_i& =\frac{12}{K^2(T^3-T)}{S}_i\\ & =\frac{12}{K^2(T^3-T)}\sum _{j=1}^{K}D({\mathbf{X}}_{i_j})\\ & =\frac{12}{K^2(T^3-T)}{\mathbf{\alpha }}^T{\Sigma }_{{\tilde{\mathbf{X}}}_i{\tilde{\mathbf{X}}}_i}\mathbf{\alpha }\end{array}$$