Valid double-dipping via permutation-based closed testing

INFERENZA PER ANALISI ESPLORATIVE TRAMITE METODI DI PERMUTAZIONE E CLOSED TESTING. L’analisi dei cluster di risonanza magnetica funzionale (fMRI) permette di individuare l’attivazione neurale associata a qualche stimolo. Tuttavia, il metodo soffre del paradosso della specificit`a spaziale, e non permette inferenza di follow-up all’interno dei cluster. La procedura di closed testing consente il double-dipping, fornendo i limiti inferiori di confidenza per il numero di voxel attivi, simultaneamente su tutte le regioni. Inoltre, i test di permutazione permettono di adattare il metodo alla distribuzione congiunta non nota dei dati. Si esaminano tramite analisi di dati fMRI due metodi basati sul closed-testing via permutazioni: garanzia di true discovery tramite test di somma, e All-Resolutions Inference.

Functional Magnetic Resonance Imaging (fMRI) cluster analysis is widely popular for finding neural activation associated with some stimulus. However, it suffers from the spatial specificity paradox, and making follow-up inference inside clusters is not allowed. Valid double-dipping can be performed by closed testing, which determines lower confidence bounds for the number of active voxels, simultaneously over all regions. Moreover, a permutation framework adapts to the unknown joint distribution of the data. In the fMRI context, we evaluate two methods that rely on closed testing and permutations: permutation-based true discovery guarantee by sum tests, and permutation-based All-Resolutions Inference.