HIMCE: High-dimensional multiple imputation via covariance-mode updating for neuroimaging and spatiotemporal blocks

Technische Samenvatting: HIMCE – High-dimensional Multiple Imputation via Covariance-Mode Updating

Probleemstelling
Hoogdimensionale neurobeeldvormings- en spatiotemporale data vertonen vaak gestructureerde ontbrekende waarden door acquisitie-artefacten, preprocessing-fouten en sensoruitval. Hoewel Multiple Imputatie (MI) de standaardbenadering is voor het verwerken van dergelijke data door onzekerheid te propageren, staan bestaande methoden voor aanzienlijke uitdagingen in hoogdimensionale continue blokken ($p \gg n$ of $p \approx n$):

• Fully Conditional Specification (FCS): Methoden zoals Multivariate Imputation by Chained Equations (MICE) itereren conditionele modellen. In hoge dimensies leidt sterke collineariteit tot slecht geconditioneerde regressies, wat numerieke instabiliteit, trage convergentie of falen veroorzaakt, wat vaak agressieve screening van predictoren vereist.
• Joint-Model (MVN) Benaderingen: Hoewel een Multivariate Normal (MVN) werkmodel een coherent posterieur predictief doel en exacte data-augmentatie biedt, vereist de standaard-sampler herhaaldelijk steekproeven uit een inverse-Wishart-verdeling en matrixfactorisaties van een $p \times p$ covariantiematrix. Deze stappen worden in grote dimensies computationeel onuitvoerbaar en numeriek delicaat.

Methodologie: HIMCE
De auteurs stellen High-dimensional Imputation via covariance Mode and Chained Equations (HIMCE) voor, een hybride MI-procedure ontworpen voor continue blokken. HIMCE fungeert als een door het posterieur gemotiveerde stochastische benadering die computationele efficiëntie afweegt tegen statistische validiteit.

1. Modelkader:

   • Gaat uit van een Gaussisch blokkenmodel: $Y | B, \Sigma \sim MN_{n \times p}(XB, I_n, \Sigma)$.
   • Gebruikt een geconjugeerde Matrix-Normale Inverse-Wishart-prior.
   • Behoudt de Gaussische conditionele imputatiewet voor ontbrekende waarden gegeven de huidige parameters.

2. De Behoud–Benadering-Splitsing:

   • Behouden: Het Gaussische werkmodel, de conditionele Gaussische wet voor ontbrekendheidspatronen, en de stochastische propagatie van onzekerheid in de middelwaarde-parameter (via stochastische coëfficiënt of lokale-ridge-trekkingen).
   • Benaderd: De posterieure onzekerheid van de covariantiematrix $\Sigma$. In plaats van volledige inverse-Wishart-matrices te trekken, update HIMCE de covariantie naar een gestabiliseerde modus.

3. Algoritmische Componenten:

   • Covariance-Mode Updating: In hoogdimensionale blokken vervangt het algoritme willekeurige inverse-Wishart-trekkingen door een deterministische update naar de posterieure modus van de covariantiematrix.
     • Hoogdimensionale Tak: Gebruikt een empirisch-Bayes covariantiemodus (specifiek de HIMA-schatter) of een geconjugeerde modus plug-in, optioneel aangevuld met een een-dimensionale scalair brug om beperkte stochastiek in te voeren.
     • Laagdimensionale Tak: Wanneer de blokkendimensie klein is, herstelt het algoritme de exacte conditionele inverse-Wishart-trekking om precieze covariantieonzekerheid te garanderen.
   • Gemiddelde Updates: Vervangt deterministische updates door stochastische trekkingen (exacte matrix-normaal of schaalbare gescreende lokale-ridge) om onzekerheid in regressiecoëfficiënten te propageren.
   • Calibratie: Omvat een lichtgewicht post-processing-laag die centrum- en schaalcorrecties leert uit waargenomen cellen (niet achtergehouden waarheden) om de dekking in eindige steekproeven te verbeteren zonder de kernketen te wijzigen.

4. Diagnostics:
   Het artikel benadrukt rigoureuze calibratiediagnostics boven eenvoudige puntvoorspelling, met gebruikmaking van:

   • Randomized Rank-Cell PIT: Om de uniformiteit van de predictieve verdeling te beoordelen en over-/onder-dispersie te detecteren.
   • PIT-Consistente Empirische Dekking: Berekend uit dezelfde empirische predictieve CDF die voor PIT wordt gebruikt om consistentie tussen rang-gebaseerde en interval-gebaseerde metrieken te waarborgen.
   • Marginal Distribution Overlays: Om gepoolde trekkingen en posterieure gemiddelden te vergelijken met achtergehouden waarheden.

Belangrijkste Resultaten
Het artikel evalueert HIMCE tegen HIMA (deterministische covariantiemodus-basislijn) en gescreende MICE met twee benchmarks:

1. Spatiale Neurobeeldvormingsbenchmark ($p=40, n=80$):

   • Nauwkeurigheid: HIMCE verbetert de fout in het posterieure gemiddelde (RMSE/MAE) significant ten opzichte van HIMA en presteert iets beter dan gescreende MICE.
   • Snelheid: HIMCE draait met snelheden vergelijkbaar met HIMA en in minder dan de helft van de tijd van gescreende MICE.
   • Calibratie: HIMCE verbetert de intervaldekking en PIT-uniformiteit aanzienlijk ten opzichte van HIMA (bijv. 95% dekking verbeterd van ~0,77 naar ~0,88). Echter, gescreende MICE blijft overall beter gekalibreerd (95% dekking ~0,97).
   • Interpretatie: HIMCE fungeert als een "snelle middenweg", waarbij het de meeste voordelen van puntvoorspelling van covariantiemodus-methoden terugwint, terwijl het de calibratie materieel verbetert, hoewel het de calibratie van MICE in deze specifieke ruimtelijke setting niet volledig evenaart.

2. Laagdimensionale NHANES-benchmark ($p=2$):

   • In deze laagdimensionale setting schakelt HIMCE over naar de exacte inverse-Wishart-verversing.
   • Deze tak levert een enorme verbetering in dekking op (95% dekking stijgt van ~0,60 voor HIMA naar ~0,91 voor HIMCE) terwijl het concurrerende puntvoorspelling en runtime behoudt.

Betekenis en Claims
Het artikel positioneert HIMCE niet als een exacte gezamenlijke posterieure sampler in zijn hoogdimensionale tak, maar als een door het posterieur gemotiveerde stochastische benadering die de computationele knelpunten van exacte MVN data-augmentatie aanpakt.

• Theoretische Bijdrage: De auteurs bewijzen consistentie van het posterieur voor de geconjugeerde inverse-Wishart modus plug-in in vaste dimensies en demonstreren dat de modus plug-in predictieve verdeling asymptotisch equivalent is aan de exacte posterieure predictieve verdeling in totale variatie.
• Praktische Bijdrage: HIMCE biedt een levensvatbaar alternatief voor hoogdimensionale neurobeeldvorming waar FCS-methoden instabiel zijn en exacte gezamenlijke sampling te traag is. Het scheidt expliciet het behoud van de Gaussische structuur van de benadering van covariantieonzekerheid.
• Bescheidenheid: De auteurs erkennen dat de empirisch-Bayes covariantie-ruggengraat die in experimenten wordt gebruikt, een keuze voor hoogdimensionale implementatie is waarvan de adequaatheid in eindige steekproeven een empirische vraag is. Ze benadrukken dat pseudo-ontbrekende calibratie en controles op marginale vorm essentiële componenten zijn voor "verantwoord gebruik", geen optionele verfraaiingen, vooral wanneer het aantal opgeslagen imputaties gematigd is.

Het werk concludeert dat HIMCE een praktische, schaalbare oplossing biedt voor gestructureerde ontbrekende waarden in spatiotemporale blokken, en effectief de kloof overbrugt tussen de snelheid van deterministische benaderingen en de statistische strengheid van stochastische imputatie.