混同の存在下での神経画像データを用いた予測モデリング【Powered by NICT】

Rao Anil; Rao Anil; Monteiro Joao M.; Monteiro Joao M.; Mourao-Miranda Janaina; Mourao-Miranda Janaina

文献

J-GLOBAL ID：201702221772062316 整理番号：17A0970856

混同の存在下での神経画像データを用いた予測モデリング【Powered by NICT】

Predictive modelling using neuroimaging data in the presence of confounds

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A0970856&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A0970856&from=J-GLOBAL&jstjournalNo=W3139A") }}

著者 (6件)： , , , , ,
資料名：
巻： 150 ページ： 23-49 発行年： 2017年
JST資料番号： W3139A ISSN： 1053-8119 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

神経画像データからの予測モデルを訓練するとき,典型的に画像データが,臨床的観点からも無関心であるに影響する年齢と性別のような利用可能な非結像変数を持つ。そのような変数は,一般的に「混乱」と呼ばれている。本研究では,最初に神経画像データのサンプルからの訓練予測モデルの文脈における混乱のための作業定義を与えた。画像データに影響を及ぼし,集団の関心,すなわち,著者らは推定予測モデルを適用しようとしている集団とは異なる試料中の目的変数との関連を持つ変数として混乱を定義した。本論文の焦点は,混乱と目的変数である集団の関心における独立したシナリオであるが,訓練サンプルは,ターゲットと混乱の間の試料会合のために偏っていた。画像調整のような予測モデリングにおける交絡因子を処理できること,および予測因子としての混乱を含む標準的な方法を検討し,個体群の興味のための最適であることを,集束モデル訓練による交絡因子で説明しようとするインスタンス重み付け方式を導出し,動かした。交絡の存在下でモデルを訓練神経画像データを用いた二回帰問題における標準的なアプローチとインスタンス重み付けを評価し,集団の関心を代表する試料を予測した。比較のために,現在交絡でない時,これらのモデルについても評価した。最初の実験では,性別とADNIデータベースから構造的MRIを用いた混乱としてMMSEスコアを予測し,第二部では,取得部位とIXIデータベースから構造的MRIを用いた混乱として年齢を予測した。両データセット上で考慮し,交絡を処理する方法のどれもが交絡を無視しているベースラインモデルよりも正確な予測を与えることを見出しせず,予測因子としての混乱を含めてベースラインモデルよりも精度が低いことをモデルを与えることを示した。が,異なる方法は,住民の関心のある特定のサブセットに及ぼすそれらの予測に焦点を当てると思われる,この交絡でない場合に予測精度が大きいことを見出した。各アプローチの利点と欠点を比較検討,及び臨床の実際において使用できる建築予測モデルの評価の意味を持つと結論した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

自動車事故,交通安全

, ,

前のページに戻る