文献

J-GLOBAL ID：201702251306077294   整理番号：17A1396630

Alzheimer病のMRIベースの自動診断:臨床データとの融合3Dウェーブレット特徴【Powered by NICT】

MRI based automated diagnosis of Alzheimer’s: Fusing 3D wavelet-features with clinical data

著者 (4件)： Ayaz Aymen (NeuroInformatics Lab, School of Electrical Engineering and Computer Science, National University of Sciences and Technology, Islamabad, Pakistan) ,  Ahmad Muhammad Zubair (NeuroInformatics Lab, School of Electrical Engineering and Computer Science, National University of Sciences and Technology, Islamabad, Pakistan) ,  Khurshid Khawar (NeuroInformatics Lab, School of Electrical Engineering and Computer Science, National University of Sciences and Technology, Islamabad, Pakistan) ,  Kamboh Awais M. (NeuroInformatics Lab, School of Electrical Engineering and Computer Science, National University of Sciences and Technology, Islamabad, Pakistan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 1210-1213  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： 構造MRIを用いた健常対照者(HC)からのAlzheimer病(AD)および軽度認知障害(MCI)患者の分類のための新しいアルゴリズムを提案した。特徴抽出は,特徴空間を直線的に無相関変数への離散3Dウェーブレット変換の後にPCAに基づいている。線形SVMは標的ベクターとして使用臨床痴呆評価を用いた分類目的に使用されている。提案した方法論は完全に自動化された関心領域のアノテーションとは無関係であった。分類のためのウェーブレット係数で計算されたMRI,人口統計学的データ,精神神経試験スコアと統計学の重要性を研究した。提案した方法論は,公開データベースからの197人の被験者に適用した。95%の分類精度は,HC AD対の場合に達成された。HC対MCI,MCIとADの場合には78%と81%の分類精度を達成した。結果には現状技術の現状と比較した。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： アノテーション ,  *三次元 ,  *Alzheimer病 ,  ウェーブレット変換 ,  *波束 ,  統計学 ,  自動化 ,  アルゴリズム ,  データベース ,  特徴抽出
準シソーラス用語： 分類精度 ,  特徴空間 ,  軽度認知障害 ,  構造的MRI ,  *臨床データ , 【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)： Alzheimer病 ,  MRI ,  自動診断 ,  臨床 ,  融合 ,  3D ,  ウェーブレット