文献

J-GLOBAL ID：201702250573888182   整理番号：17A1035170

静止状態FMRI圧縮と解析のためのマルチスケール高次特異値分解(MS HoSVD)【Powered by NICT】

Multi-scale higher order singular value decomposition (MS-HoSVD) for resting-state FMRI compression and analysis

著者 (5件)： Ozdemir Alp (Department of Electrical and Computer Engineering, Michigan State University, United States of America) ,  Villafane-Delgado Marisel (Department of Electrical and Computer Engineering, Michigan State University, United States of America) ,  Zhu David C. (Department of Radiology, Michigan State University, United States of America) ,  Iwen Mark A. (Department of Electrical and Computer Engineering, Michigan State University, United States of America) ,  Aviyente Selin (Department of Electrical and Computer Engineering, Michigan State University, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 6299-6303  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： 情報技術の進歩は,ますます大量機能的磁気共鳴画像法(fMRI)のような多次元,マルチモーダル神経画像のデータを収集することが可能になった。現在のfMRIデータセットは,複数の被験者を含む複数の変数,並びに時間的及び空間的データを含んでいる。これらの高次元データセットは,それらの豊かな構造を利用し,意味のある要約を抽出できるデータ削減法を開発するために信号処理の分野への挑戦を提起している。本論文では,高次元f MRIデータセットを減少させる生理学的に意味のあるネットワーク要素に特に焦点を当てて,データ削減と低次元構造学習のためのテンソルベースのフレームワークを提案した。ハイブリッド線形モデル化と部分空間クラスタリング技術に着想を得た高次データのためのマルチスケールテンソル因子分解法を開発した。特に,筆者らは与えられたテンソルは最初のものである置換が,それらの各々はより効率的に表現できるいくつかのサブテンソルに分割マルチスケールHoSVDアプローチを開発した。多重スケールフレームワークは,静止状態f MRIデータに適用した圧縮データからのデフォルトモードネットワークを同定することである。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： *特異値分解 ,  ネットワーク ,  高次元 ,  学習 ,  多モード ,  信号処理 ,  情報技術 ,  テンソル
準シソーラス用語： デフォルトモードネットワーク ,  因子分解 ,  部分空間クラスタリング ,  線形モデル ,  高次元データ ,  機能的MRI ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (3件)： 医用情報処理  (JE15030Q) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 静止状態 ,  fMRI ,  解析 ,  マルチスケール ,  特異値分解