文献

J-GLOBAL ID：201602252302540586   整理番号：16A0676306

DTI(拡散テンソル画像)データを用いた小血管疾患を有するMCI患者におけるトレイルメイキングテストにおける性能障害の予測【Powered by NICT】

Prediction of Impaired Performance in Trail Making Test in MCI Patients With Small Vessel Disease Using DTI Data

著者 (10件)： Ciulli Stefano (Department of Clinical and Experimental Biomedical Sciences, University of Florence, Florence, Italy) ,  Citi Luca (School of computer science and electronic engineering, University of Essex, Colchester, U.K.) ,  Salvadori Emilia (NEUROFARBA Department, Neuroscience section, University of Florence, Florence, Italy) ,  Valenti Raffaella (NEUROFARBA Department, Neuroscience section, University of Florence, Florence, Italy) ,  Poggesi Anna (NEUROFARBA Department, Neuroscience section, University of Florence, Florence, Italy) ,  Inzitari Domenico (NEUROFARBA Department, Neuroscience section, University of Florence, Florence, Italy) ,  Mascalchi Mario (Department of Clinical and Experimental Biomedical Sciences, University of Florence, Florence, Italy) ,  Toschi Nicola (Medical Physics Section, Department of Biomedicine and Prevention, University of Rome “Tor Vergata,”, Rome, Italy) ,  Pantoni Leonardo (NEUROFARBA Department, Neuroscience section, University of Florence, Florence, Italy) ,  Diciotti Stefano (Department of Electrical, Electronic, and Information Engineering “Guglielmo Marconi,”, University of Bologna, Cesena, Italy)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 20  号： 4  ページ： 1026-1033  発行年： 2016年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  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： 軽度認知障害(MCI)はT2強調磁気共鳴画像における脳白質(WM)と脳小血管疾患(SVD)のびまん性高信号域患者における一般的な状態である。SVDによるMCIでは,認知障害の最も顕著な特徴は,複雑な挙動の組織化と実行を監視するプロセスの実行機能の劣化にある。trail making testは認知処理速度と実行機能に敏感で広く用いられている試験である。SVDによるMCIはWM損傷の影響であると仮定されてきた,拡散テンソル画像(DTI)はWMのin vivo特性化のための確立された技術である1)MCIとSVD患者における実行機能の障害を予測する,2)この障害の脳基質を調べるのに調整した機械学習方式を提案した。SVDを有する40MCI患者からのデータを用いて,関心のある50WM領域内で平均した平均拡散率(MD)および異方性比率マップにより特徴ベクトルを作成した。leave-one-outネスト化した交差検証法のパラメータを同時に最適化して,異なるDTI-導出特徴を用いた多項式として,動径基底関数カーネルを用いたサポートベクトルマシン(SVM)を訓練した。最良の性能はMD特徴のみと線形カーネルSVMs(サポートベクトルマシン),高感度(72.7%-89.5%),特異性(71.4%-83.3%),及び正確度(77.5%-80.0%)障害性能を識別することができるを用いて得られた。実行機能の脳基質はまだ議論されているが,特徴ランク付けは,前頭葉に限定されない,いくつかのWM領域におけるMDである実行機能の真の予測ことを確認した。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： *血管疾患 ,  前頭葉 ,  機械学習 ,  NMRイメージング ,  *患者 ,  白質 ,  交差検証法 ,  キャラクタリゼーション ,  サポートベクトルマシン ,  最適化 ,  基質
準シソーラス用語： 特異性 ,  遂行機能 ,  認知障害 ,  *拡散テンソル画像 , 【Automatic Indexing@JST】

分類 (2件)： 神経系の診断  (GN02000H) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： DTI ,  拡散テンソル画像 ,  血管疾患 ,  患者 ,  トレイルメイキングテスト ,  障害 ,  予測