文献

J-GLOBAL ID：201602277255269542   整理番号：16A0772273

脳連結性推定のための新しいL1正則化された時変自己回帰モデル:視覚課題関連f MRIデータを用いた研究【Powered by NICT】

A new L1-regularized time-varying autoregressive model for brain connectivity estimation: A study using visual task-related fMRI data

著者 (5件)： Zhang L. (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, P. R. China) ,  Fu Z. N. (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, P. R. China) ,  Chan S. C. (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, P. R. China) ,  Wu H. C. (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, P. R. China) ,  Zhang Z. G. (School of Chemical and Biomedical Engineering and School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISCAS  ページ： 29-32  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機能的磁気共鳴画像法(fMRI)を用いた時変または動的脳連結性(BC)の研究は,異なる脳領域の間の関係を理解するために重要である。空間スパース性および時間的連続性制約のある時変多変量自己回帰(AR)モデルを用いた動的BCを推定するための新しい方法を示した。問題は最大事後確率(MAP)推定問題として定式化し,拘束を検討するためのLi正則化を用いる最小二乗問題として解いた。限定記憶Broyden-Fletcher-Goldfarb-Shanno(L-BFGS)法を用いて,動的BCの推論を行うためのモデルパラメータを推定した。提案した方法は,人工的データおよび視覚チェッカーボードタスク実験fMRIデータを用いて評価した。結果は,この方法が視覚関連脳領域間の過渡的情報伝達を効果的に捉えることができる過程に関連する制御されていない領域は不活性のままであることが分かった。これらは有効性を検証し,fMRIデータからの動的タスク関連BCを研究するための提案した方法の分散を減少させた。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 制約条件 ,  *正則化 ,  *自己回帰モデル ,  リチウム ,  *視覚 ,  最小二乗法 ,  連続性 ,  *連結性
準シソーラス用語： モデルパラメータ ,  最大事後確率 ,  *自己回帰 ,  多変量 ,  スパース性 ,  脳領域 ,  *機能的MRI , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  脳・神経系モデル  (EL02050C) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (9件)： 脳 ,  連結性 ,  推定 ,  L1 ,  正則化 ,  自己回帰モデル ,  視覚 ,  MRI ,  研究