文献

J-GLOBAL ID：201702236500628856   整理番号：17A1508350

老化における白質高信号の分割における10種の異なる分類技法の性能比較【Powered by NICT】

Performance comparison of 10 different classification techniques in segmenting white matter hyperintensities in aging

著者 (9件)： Dadar Mahsa (NeuroImaging and Surgical Tools Laboratory, Montreal Neurological Institute, McGill University, Montreal, Quebec, Canada) ,  Maranzano Josefina (Magnetic Resonance Studies Laboratory, Montreal Neurological Institute, McGill University, Montreal, Quebec, Canada) ,  Misquitta Karen (Tanz Centre for Research in Neurodegenerative Diseases, University of Toronto, Toronto, Ontario, Canada) ,  Anor Cassandra J. (Tanz Centre for Research in Neurodegenerative Diseases, University of Toronto, Toronto, Ontario, Canada) ,  Fonov Vladimir S. (NeuroImaging and Surgical Tools Laboratory, Montreal Neurological Institute, McGill University, Montreal, Quebec, Canada) ,  Tartaglia M. Carmela (Tanz Centre for Research in Neurodegenerative Diseases, University of Toronto, Toronto, Ontario, Canada) ,  Carmichael Owen T. (Pennington Biomedical Research Center, Baton Rouge, LA, USA) ,  Decarli Charles (University of California, Davis, CA, USA) ,  Collins D. Louis (NeuroImaging and Surgical Tools Laboratory, Montreal Neurological Institute, McGill University, Montreal, Quebec, Canada)
資料名： NeuroImage  (NeuroImage)
巻： 157  ページ： 233-249  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)

抄録/ポイント： 白質高信号(WMH)は各種組織病理学的損傷を特性化する磁気共鳴画像(MRI)上の異常信号の領域である。WMHの負荷と位置は加齢における小血管疾患の存在とAlzheimer病(AD)患者を示す可能性のある重要な臨床手段である。WMHを分割する手動は時間がかかり,検者内・検者間変動する傾向がある。これらの病変を正確に検出かつロバストにできる自動化ツールは一般的にADまたは高齢者患者における血管負荷を測定するために用いることができる。多くのWMHセグメンテーション技術は,セグメントWMH強度と位置特徴集合と組み合わせた分類器を用い,分類器の最適選択は知られていない。MRIデータからWMHを同定する10種の異なる線形および非線形分類法を比較した。各分類器は空間的位置と強度情報を含む共登録したMR画像から得られた特徴集合に基づいて訓練と最適化した。MRI造影情報の種々の組合せを用いた分類器の性能を評価した。異なる分類器の性能を,三つの不均質マルチサイトデータセットに比較して,異なるスキャナと種々の走査パラメータで取得した画像を含んでいた。これらはカリフォルニアDavis,NACCデータベースとADNI研究大学からのA DC研究からのデータを含んでいた。分類器(ナイーブBayes,ロジスティック回帰,ディシジョンツリー,ランダムフォレスト,サポートベクトルマシン,k-最近傍,バギング,ブースティング)はDiceカッパ類似性指数(SI),クラス内相関(ICC),及び感度のようなボクセルと体積類似性測度の品種だけでなく,計算負荷と処理時間を用いて評価した。これらの研究は,異なる分類器の性能の間の意味のある比較を可能にするWMHのセグメンテーションのための最も適切な分類器を決定した。オープンソース科学の精神において,また,全てのこれらの技術のための事前訓練された分類器とWMHのセグメンテーションのための完全に自動化されたツールを利用できるようにした。ランダム森林は平均Diceカッパ(SI)A DCデータセット(T1w,T2w,PD,FLAIRスキャンを用いた)で0.66±0.17とICC=0.99,SI=0.72±0.10,NACCデータセット(T1wとFLAIRスキャンを用いた)のためのICC=0.93,SI=0.66±0.23,ADNI1データセット(T1w,T2w,PDスキャンを用いた)のためのICC=0.94とSI=0.72±0.19,ICC=0.96ADNI2/GOデータセット(T1wとFLAIRスキャンを用いた)のすべての分類器の中で最高の性能を得た。T2w/PD情報を使用しないランダムフォレスト分類器(SI=0.66±0.17, ICC=0.99)の性能を変化させなかった。しかし,ADCデータセットにおけるFLAIR情報を使用しない著しくDiceカッパを減少させたが,体積相関は大幅に変化しなかった(SI=0.47±0.21, ICC=0.95)。著者らの研究は,適切な特徴を持つ,最も市販分類器はFLAIRスキャン情報の存在におけるWMHを正確に検出できることを示したが,ランダムフォレストは,全てのデータセットを通じて最良の性能を持っていた。しかし,最も線形分類器といくつかの非線形分類器の性能は,FLAIR情報の非存在下で低下し,ランダムフォレストは最良の性能を保持した劇的にことを観察した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： サポートベクトルマシン ,  *セグメンテーション ,  Alzheimer病 ,  最適化 ,  自動化 ,  キャラクタリゼーション ,  画像 ,  患者 ,  老人 ,  NMRイメージング ,  類似性 ,  線形性 ,  データベース ,  ロバスト性
準シソーラス用語： ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 白質高信号域 ,  セグメンテーション ,  分類 ,  アルツハイマー病

分類 (2件)： 神経系の疾患  (GN03000O) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (5件)： 老化 ,  白質 ,  分類 ,  技法 ,  性能比較