文献

J-GLOBAL ID：201702221699142351   整理番号：17A0214023

雑音除去とスパースオートエンコーダのための特徴融合:神経画像データへの応用【Powered by NICT】

Feature Fusion for Denoising and Sparse Autoencoders: Application to Neuroimaging Data

著者 (3件)： Moussavi-Khalkhali Arezou ,  Jamshidi Mo ,  Wijemanne Subhashie
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICMLA  ページ： 605-610  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： は今日まで硬化されていないが,初期段階におけるAlzheimer病検出は,コストの点,進歩と生活先の適切なヘルスケアのための事前に計画を助けるためばかりでなく,今後の研究のための臨床病因を提供する患者の生活に大きな影響を与える。はAlzheimer病の段階を明らかにするために,スパースでノイズ除去オートエンコーダを用いた特徴融合法を検討した。アルツハイマー病,軽度認知障害,早期軽症認知障害および正常対照群患者の四コホートは,高水準および低水準特徴の融合を燃料とする多項式ロジスティック回帰を用いて分類する。高レベル特徴は積層オートエンコーダから抽出した。結果は,特徴融合は,典型的なオートエンコーダの性能を高めることを示した。しかし,ノイズ除去オートエンコーダを用いた特徴融合の性能は全体の正確度,精度,および再現率の意味でオートエンコーダのスパース訓練のそれより優れていた。Copyright 2017 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： 健康管理 ,  母集団 ,  病因 ,  患者 ,  *透視図法 ,  Alzheimer病 ,  雑音低減 ,  *雑音除去
準シソーラス用語： 再現率 ,  ロジスティック回帰分析 ,  対照群 ,  認知障害 ,  軽症 ,  軽度認知障害 ,  *ニューロイメージング , 【Automatic Indexing@JST】

分類 (1件)： 神経系の疾患  (GN03000O)

タイトルに関連する用語 (4件)： 雑音除去 ,  特徴融合 ,  神経画像 ,  応用