文献

J-GLOBAL ID：201502267117165448   整理番号：15A0298542

時変静止期の脳連結性推定のためのスティッキー加重回帰モデル

A Sticky Weighted Regression Model for Time-Varying Resting-State Brain Connectivity Estimation

著者 (4件)： LIU Aiping (Univ. British Columbia, BC, CAN) ,  CHEN Xun (Hefei Univ. Technol., Hefei, CHN) ,  MCKEOWN Martin J. (Univ. British Columbia, BC, CAN) ,  WANG Z. Jane (Univ. British Columbia, BC, CAN)
資料名： IEEE Transactions on Biomedical Engineering  (IEEE Transactions on Biomedical Engineering)
巻： 62  号： 2  ページ： 501-510  発行年： 2015年02月 
JST資料番号： C0236A  ISSN： 0018-9294  CODEN： IEBEAX  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： 脳連結性ネットワークのダイナミックな特性を調査することは,我々の脳の機能の理解を拡張することができる。この論文で,ペナルティーを課された加重回帰モデルが,時間依存の脳連結性パターンで平滑かつ突然の両方の変化を推定するために提示された。提案されたスティッキー加重時変モデルは,より柔軟であり,脳領域の異なる対が異なる動的時間スケールを有することを可能にした。これは,fMRIの脳連結モデリングのために前の多変量時変的アプローチと比較した結果であった。提案手法は,時間進化するネットワーク推定のために設計されているが,基礎となるモデルが静的である場合には,提案された方法は,まだ正確に適切なパラメータを使用してネットワークを推定することができた.Parkinson病(PD)被験者と対照被験者からなる実際のfMRIの静止状態のデータに適用すると,PD被験者は多分損なわれた認知的なフレキシビリティと関係がある,際立って減少したネットワークバリエーションを持っていた。これは,PD被験者で動的な性質を確立することの重要性を強調していることがわかった。提案手法は有望であるが,多くの制限があり,我々はそのようなスパース性と時間的な帯域幅などの特定のパラメータを推定する必要があることがわかった。

シソーラス用語： *時変系 ,  *回帰モデル ,  *重みづけ ,  NMRイメージング ,  時間依存性 ,  Parkinson病 ,  性質
準シソーラス用語： fMRI ,  スパース性 ,  *加重 ,  時間依存

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (7件)： 時 ,  静止期 ,  脳 ,  連結性 ,  推定 ,  加重 ,  回帰モデル