文献

J-GLOBAL ID：201702228799570327   整理番号：17A1397290

重み付き投票アンサンブルを用いたアルツハイマー病診断のための11C PIB PET画像解析【Powered by NICT】

11C-PIB PET image analysis for Alzheimer’s diagnosis using weighted voting ensembles

著者 (3件)： Wu Wenjun (Wallace H. Countler Department of Biomedical Engineering, Georgia Institute of Technology and Emory University, Atlanta, 30332, USA) ,  Venugopalan Janani (Wallace H. Countler Department of Biomedical Engineering, Georgia Institute of Technology and Emory University, Atlanta, 30332, USA) ,  Wang May D. (Wallace H. Countler Department of Biomedical Engineering, Georgia Institute of Technology and Emory University, Atlanta, 30332, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 3914-3917  発行年： 2017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： アルツハイマー病(AD)は死亡および認知症世界の主要原因の一つである。早期診断は多くの利点,改善された管理と有効へのアクセスを与える。しかし,認知機能[1]を評価するための効率的で安価な方法の欠如のために医療課題である。神経イメージングと脳イニシアチブからのデータに関する研究とデータ分析の進歩は基礎疾患過程の理解を大いに高めているが,アルツハイマー病を示すバイオマーカーに関する完全な知識がまだ不足している。最近,機械学習法を用いた機能的脳画像を用いた軽度認知障害及びADのコンピュータ支援診断が普及してきた。しかし,予測精度はunoptimisticであり,60%から88%の範囲の予測精度で[2,3,6]。それらの中で,サポートベクトルマシンは最も一般的な分類器である。しかし,比較的小さな試料サイズと機能的脳画像データにおける雑音の量のために,単一分類器では,高い分類性能を達成できない。地球分類器を用いる代わりに,本研究では,加重および非加重スキームを用いた三種類の分類器を組み合わせることにより,AD予測精度を向上させることを目的とする。分類性能への重要度に応じて画像特徴をランク付けし,トップランクの特徴がADの進行に関連することが分かった脳領域に局在することを示した。から11C PIB PETスキャン上で提案アプローチを試験アルツハイマー病ニューロイメージングイニシアチブ(ADNI)データベースと重み付きアンサンブルモデルは86.1%±8.34%,特異度90.6%±12.9%,AD,軽度認知障害と健康な高齢成人の分類で80.9%と85.76%の特異性試験精度の全体的な交差検証精度でK最近傍,ランダムフォレスト,ニューラルネットの個々のモデルより優れていることを示した。Copyright 2017 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： *画像分析 ,  サポートベクトルマシン ,  バイオマーカー ,  計算機診断 ,  *Alzheimer病 ,  ニューラルネットワーク ,  データベース ,  機械学習 ,  早期診断 ,  成人 ,  等級づけ ,  データ解析
準シソーラス用語： 予測精度 ,  軽度認知障害 ,  *PIB-PET , 【Automatic Indexing@JST】

分類 (1件)： 神経系の診断  (GN02000H)

タイトルに関連する用語 (7件)： 投票 ,  アンサンブル ,  アルツハイマー病 ,  診断 ,  PIB ,  PET画像 ,  解析