是的，你看到了那個(gè)亮亮的部分嗎？這就是說(shuō)明這條死三文魚(yú)的某些身體部位在判斷圖片中的人的情緒哦！你是不是覺(jué)得很荒誕？這里的原因就是沒(méi)有做多重檢驗(yàn)校正。圖中激活的部分并不是因?yàn)樗廊�文魚(yú)在進(jìn)行情緒判斷的認(rèn)知活動(dòng)，而是因?yàn)殡S機(jī)誤差造成的虛報(bào)。如果我們進(jìn)行多重檢驗(yàn)校正以后，這條三文魚(yú)就全都黑下去了。

在了解了多重檢驗(yàn)校正在fMRI實(shí)驗(yàn)數(shù)據(jù)分析中的重要性之后，我們回過(guò)頭來(lái)看現(xiàn)在這篇文章。這篇文章在這條死三文魚(yú)之上，更進(jìn)一步。因?yàn)闃I(yè)界大家都知道需要多重檢驗(yàn)校正了，但是對(duì)于如何正確地多重檢驗(yàn)校正并不同意。最暴力的方法是諸如bonferroni這樣的控制family-wise error(FWE)的方法：為了控制FWE程度上的虛報(bào)率p < 0.05, 直接上來(lái)給定這樣每一個(gè)Voxel的虛報(bào)率就要控制在以下——如果你沒(méi)有概念，我只能告訴你這是一個(gè)非常非�？量痰囊�求。所以，大多數(shù)研究人員都不會(huì)選擇這樣的校正方法。于是一幫人選擇了clusterwise inference：

通過(guò)設(shè)置某個(gè)p-value的閾值(比如常用的0.01, 0.001)來(lái)篩選voxels，然后將相鄰的超過(guò)這個(gè)閾值的voxels構(gòu)成clusters, 這時(shí)候得到的clusters并不一定是顯著的。事實(shí)上clusterwise inference是通過(guò)尋找這些clusters來(lái)構(gòu)建新的統(tǒng)計(jì)量(比如cluster size, cluster mass等等)，然后用新的統(tǒng)計(jì)量來(lái)進(jìn)行全局的假設(shè)檢驗(yàn)，從而達(dá)到修正多重檢驗(yàn)的目的。之后需要估計(jì)的就是在零假設(shè)下，滿(mǎn)足這樣的閾值條件所找到的clusters的分布。這篇文章說(shuō)的就是在使用參數(shù)方法(gaussian random field)估計(jì)這一分布時(shí)候存在的問(wèn)題。——@Yuanning

而本文就是發(fā)現(xiàn)，后面一種clusterwise inference，雖然理論上能夠控制整體的虛報(bào)率，但是在實(shí)際數(shù)據(jù)分析中會(huì)產(chǎn)生非常高的虛報(bào)率。他們說(shuō)，這個(gè)虛報(bào)率甚至高達(dá)70%。也就是說(shuō)，我們用這樣的校正方法，還是可能發(fā)現(xiàn)死三文魚(yú)在做認(rèn)知任務(wù)這個(gè)問(wèn)題上。

這項(xiàng)研究的作者是非常勤奮的，他們當(dāng)然不會(huì)只用三文魚(yú)來(lái)說(shuō)事。他們使用了當(dāng)前學(xué)界最常用的3大分析軟件，對(duì)同一個(gè)包含將近400個(gè)人類(lèi)被試的數(shù)據(jù)集進(jìn)行了1000次隨機(jī)篩選，對(duì)于每一次隨機(jī)篩選使用了以前的實(shí)驗(yàn)設(shè)計(jì)。這個(gè)數(shù)據(jù)集有意思的地方在于這是一個(gè)靜息態(tài)的數(shù)據(jù)集，所以作者假設(shè)這個(gè)數(shù)據(jù)集不應(yīng)該產(chǎn)生任何任務(wù)相關(guān)的激活。你可以這么想，你躺在掃描儀里面，閉上眼睛什么都不干。然后我告訴你，你此刻的大腦在分析一個(gè)你看都沒(méi)看到的圖片上的人臉的情緒，你會(huì)覺(jué)得這一定有問(wèn)題。根據(jù)這樣的邏輯，文章作者就把這個(gè)把這個(gè)數(shù)據(jù)集丟進(jìn)了若干實(shí)驗(yàn)設(shè)計(jì)，一分析，一校正，發(fā)現(xiàn)：我勒個(gè)去，竟然看到了大腦部分區(qū)域激活了！這不科學(xué)！于是他們覺(jué)得，當(dāng)前使用的校正方法一定是有問(wèn)題。為什么有問(wèn)題呢？他們發(fā)現(xiàn)clusterwise inference的統(tǒng)計(jì)理論假設(shè)中對(duì)于空間信息和噪聲的假設(shè)并不能在實(shí)際數(shù)據(jù)中得到滿(mǎn)足，實(shí)際數(shù)據(jù)信息并不是空間高斯分布的。這個(gè)原因直接導(dǎo)致了使用clusterwise這一校正方法無(wú)法很好地控制虛報(bào)率。截止到這里，作者的研究結(jié)果都是非常有說(shuō)服力的。