文献

J-GLOBAL ID：201702231138381965   整理番号：17A1036618

拡散モデルと機械学習を使用する軸索直径の実現可能性の評価【Powered by NICT】

Assessing the feasibility of estimating axon diameter using diffusion models and machine learning

著者 (5件)： Fick Rutger H.J. (Universite ́ Co^te d’Azur, Inria, France) ,  Sepasian Neda (Eindhoven University of Technology, The Netherlands) ,  Pizzolato Marco (Universite ́ Co^te d’Azur, Inria, France) ,  Ianus Andrada (Centre for Medical Image Computing, Department of Computer Science, UCL, London, UK) ,  Deriche Rachid (Universite ́ Co^te d’Azur, Inria, France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISBI  ページ： 766-769  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： 軸索直径推定は,過去10年間の拡散MRI群集の焦点となっている。主な論点は,拡散モデルは常に真の軸索直径を過大評価するが,その推定は真値の変化と相関することを示した。これまで,これは論点として残っている。本論文の目的は,最近獲得したネコ脊髄データセットを用いてこの仮説を明らかにすることである,多重シェルとAx口径獲得の両方の拡散MRI信号は基礎となる組織学値に登録された。信号モデルとAxCaliberによって推定された軸索直径は3μmよりも小さい軸索直径のそれらの真のサイズと相関しないことを見出した。一方,軸索直径と体積分率の組織学値に信号に基づく特徴をマッピングするためのランダムフォレスト機械学習アルゴリズムを訓練した。結果は,このデータセットには,この手法は,洗練された拡散モデルを用いてより物理的に関連した軸索直径のより高信頼な推定をもたらすことを示した。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： 体積率 ,  *機械学習 ,  脊髄 ,  学習アルゴリズム ,  *軸索 ,  多重化
準シソーラス用語： ランダムフォレスト ,  信号モデル ,  拡散MRI ,  *拡散モデル , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 拡散モデル ,  機械学習 ,  軸索 ,  直径 ,  実現可能性 ,  評価