Resumo

DALMAU-CEDENO, Oscar S.; ALVARADO-CARRILLO, Dora E.  e  MARROQUIN, José Luis. Pruebas de Hipótesis Regularizadas en Campos Aleatorios con Aplicaciones a Neuroimágenes. Rev. mex. ing. bioméd [online]. 2020, vol.41, n.2, pp.22-39.  Epub 09-Nov-2020. ISSN 2395-9126.  https://doi.org/10.17488/rmib.41.2.2.

En varias áreas científicas aparece el problema de determinar los elementos de un campo aleatorio (por ejemplo, píxeles en una imagen) en los que se puede rechazar una cierta hipótesis nula. En este artículo presentamos un nuevo método para realizar esta tarea, centrado en aplicaciones para investigación de neuroimagen. Nuestra propuesta se basa en la formulación de pruebas de hipótesis como un problema de estimación Bayesiana, usando como a priori un campo aleatorio Markoviano, que permite incorporar información espacial local y considera diferentes modelos de ruido, incluido el ruido correlacionado espacialmente. Para pruebas en datos sintéticos con niveles de activación regulares sobre campos de ruido no correlacionado, nuestro método obtiene una tasa de verdaderos positivos (TPR) de 0.97, superando al método del estado del arte MBHT y al método de control FWER que obtienen 0.93 y 0.58 respectivamente; para campos con ruido altamente correlacionado, nuestro método obtiene un TPR de 0.65, mientras que MBHT y FWER obtienen 0.35 y 0.29 respectivamente. Para pruebas con datos reales de fMRI, nuestro método localiza las regiones de activación cuando removemos 60% de la señal original, mientras que MBHT no localiza región alguna y FWER localiza una de las dos regiones.

Palavras-chave : Prueba de hipótesis regularizada; campo aleatorio Markoviano; estimación Bayesiana; Imágenes de Resonancia Magnética Funcional.