文献

J-GLOBAL ID：201602210609116937   整理番号：16A1210156

多発性硬化症における疾患持続期間を予測する効率的マルチモーダルデータ融合アプローチ【Powered by NICT】

A Multimodal data fusion approach efficiently predicts disease duration in multiple sclerosis

著者 (4件)： Shoshtari Ava Sheikhi (Department of Neuroscience, University of British Columbia, Vancouver, Canada) ,  Lin Sue-Jin (Department of Neuroscience, University of British Columbia, Vancouver, Canada) ,  McKeown Martin J. (Department of Neuroscience, University of British Columbia, Vancouver, Canada) ,  Wang Z. Jane (Department of Electrical and Computer Engineering, University of British Columbia, Vancouver, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 4518-4524  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： 特にのFLAIR画像(fluid-反転回復(FLAIR)配列,多発性硬化症(MS)の磁気共鳴イメージング(MRI)バイオマーカーは長年調査されてきた。しかし,異なるMRIモダリティからの結果の融合が可能で,進歩した分析法は,関節バイオマーカーを可能にしたより多くの情報を与えることができた。ここでは,ミエリン水イメージング(MWI),拡散テンソル画像(DTI),および安静時機能的MRI(rsfMRI)モダリティからの情報の融合に基づくMS患者(n=47)における疾患期間(DD)を推定し,関節多モード統計的解析フレームワークを適用した。本データ駆動,多モード,潜在変数(LV)手法を用いて,各データセットに共通の要素と特有の情報が得られ,DDとの関係を最小絶対収縮及び選択演算子(LASSO)回帰によって解析した。各モダリティのユニークな成分ではなく,三モダリティ間の共通成分はDDを正確に予測した。DDを推定するための領域の重要性をさらに研究するために,著者らはデータを分離した疾患の平均期間(120か月)との関係に依存して二群:「初期」と「遅い」DD。早期疾患では,右タペータムにおけるDTI情報と左上小脳Penducle,右脳Penducle,帯状束におけるMWI情報を用いた脳弓併用が最も情報性があった。とは対照的に,rsfMRIは疾患期間を通して連結性変化を示した。著者らの結果は,MSにおけるマルチモーダルイメージングマーカーの能力を実証した。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： *継続時間 ,  *多モード ,  NMRイメージング ,  画像処理 ,  *データ融合 ,  連結性 ,  患者 ,  バイオマーカー ,  *多発性硬化症
準シソーラス用語： データ駆動 ,  機能的MRI ,  拡散テンソル画像 ,  モダリティ ,  FLAIR ,  FLAIR画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 多発性硬化症 ,  疾患 ,  持続期間 ,  予測 ,  マルチモーダル ,  データ融合