文献

J-GLOBAL ID：201702227746987648   整理番号：17A0825868

大うつ病性障害に対するCCAとICA(独立成分分析)ベース混合モデル【Powered by NICT】

A CCA and ICA-Based Mixture Model for Identifying Major Depression Disorder

著者 (5件)： Lin Wuhong (School of Mathematics, Sun Yat-sen University, Guangzhou, China) ,  Wu Huawang (Affiliated Brain Hospital of Guangzhou Medical University (Guangzhou Huiai Hospital), Guangzhou, China) ,  Liu Yishu (School of Geography, South China Normal University, Guangzhou, China) ,  Lv Dongsheng (Department of Psychiatry, Mental Health Institute of Inner Mongolia Autonomous Region, Hohhot, China) ,  Yang Lihua (School of Mathematics, Guangdong Provincial Key Laboratory of Computational Science, Sun Yat-sen University, Guangzhou, China)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 36  号： 3  ページ： 745-756  発行年： 2017年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
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： fMRI信号は通常処理と解析する前にフィルタリングした。この過程は低周波数変動で高頻度のもたらす情報の損失をもたらす可能性がある。ICAとCCAはfMRIにおける二種の伝統的な方法である。ICAは,観測データの統計的に独立な成分を見出すが,これらの成分は,通常,補助手順なしに生理的にuninterpretable。CCAは二セットのデータを分解する成分対いくつかのために,これらの成分は実際の信号と雑音の混合物である可能性がある。統計的独立成分を得て,フィルタリングの過程における情報の損失を回避するために,ここでは,ICAとCCAに基づく混合モデル,データをフィルタリングする必要がないを提案した。実験によって示された新しいモデルは,古典的なICAとCCAに比べて幾つかの利点を持っていることである。新しいモデルによって得られた成分が統計的に依存しなかった。低周波数変動に含まれる有用な情報を保存することができる。合成データ上での実験を行い,満足すべき結果を示した。応用として,この新しいモデルを用いて,正常対照からの主要な低下を識別するためのアルゴリズムを設計し,実験結果を奨励した。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： フィルタリング ,  アルゴリズム ,  *独立成分分析 ,  周波数変動 ,  雑音
準シソーラス用語： 機能的MRI ,  *混合モデル , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 大うつ病性障害 ,  CCA ,  ICA ,  独立成分分析 ,  混合モデル