文献

J-GLOBAL ID：201502209008822269   整理番号：15A0243597

MRIにおける構造的および機能的連結性の関連づけ:複雑な脳のためのシンプルなモデル

Relating Structural and Functional Connectivity in MRI: A Simple Model for a Complex Brain

著者 (4件)： MESSE Arnaud (Sorbonne Univ., UPMC Univ Paris 06, Paris, FRA) ,  MESSE Arnaud (Hamburg Univ., Hamburg, DEU) ,  BENALI Habib (Sorbonne Univ., UPMC Univ Paris 06, Paris, FRA) ,  MARRELEC Guillaume (Sorbonne Univ., UPMC Univ Paris 06, Paris, FRA)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 34  号： 1  ページ： 27-37  発行年： 2015年01月 
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： 拡散強調画像(DWI)と機能MRI(fMRI)との組み合わせは,脳ネットワークの中で構造と機能の間の関連を調査するために役立つ。そのために解剖学の連結性の原因となる構造で,コヒーレントニューロン動力学を関係づける。この論文で,我々はDWIとfMRI連結性基準が構造的方程式モデリング(SEM)を使ったことを関連づけるために独創的な試みを提示する。本研究ではDWIとfMRIを介してヒトの脳で測定される構造的および機能的結合性を関連付ける,空間同時自己回帰(sSAR)モデルを使用した。我々は,次の予測をテストした。1)文献からの値を持つsSARの単純なバージョンは,現在広く受け入れられている生成モデルより悪いパフォーマンスを示す。2)パラメータ推定の層を追加することは,sSARの性能を向上させる。3)より多くのパラメータは,より良いフィット感を推定する。4)推定されたパラメータは,よく知られているネットワークを区別するために使用することができる。結果として,予測2)と4)は,確定したが,予測1)と3)は,間違っていた。予測1)で,モデルパラメータがどのように不変であるにも関わらず,sSARは他のモデルより良く能力を発揮した。また予測3)に関して,すべてのモデルパラメータを推定する完全なベイズ推論スキームは,カップリングパラメータの単純な最適化よりも良好に機能しなかった。

シソーラス用語： *NMRイメージング ,  *連結性 ,  *モデル ,  コヒーレンス ,  ニューロン ,  Bayes推定 ,  自己回帰モデル
準シソーラス用語： *MRI画像 ,  コヒーレント ,  ベイズフレームワーク ,  *脳モデル

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： MRI ,  連結性 ,  関連づけ ,  脳 ,  モデル