文献

J-GLOBAL ID：201702273174001173   整理番号：17A1772015

指向性EEGネットワーク解析のためのLpノルム空間におけるロバストなGranger解析【Powered by NICT】

Robust Granger Analysis in Lp Norm Space for Directed EEG Network Analysis

著者 (11件)： Li Peiyang (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Huang Xiaoye (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Li Fali (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Wang Xurui (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Zhou Weiwei (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Liu Huan (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Ma Teng (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Zhang Tao (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Guo Daqing (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Yao Dezhong (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Xu Peng (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 25  号： 11  ページ： 1959-1969  発行年： 2017年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  資料種別： 逐次刊行物 (A)
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： Granger分析(GA)は様々な生理学的記録に基づく指向性脳ネットワーク,機能的磁気共鳴イメージング,脳波(EEG)などを構築するために広く使用されている。しかし,実際の応用で,方向性リンクを推定する場合,EEGはGA利用L2ノルム構造のためにネットワークを歪める可能性がある不測なアーチファクトによって必然的に汚染されていた。L2ノルムと比較して,Lp(p≦1)ノルムは,異常値の影響を圧縮できた。本論文では,異常値条件の下でのロバストな因果関係を推定するためにLp(p≦1)ノルム戦略を適用することにより,構築した拡張GAと,を用いて新しいGAモデルを解くための実現可能な反復法。所定のシミュレーションネットワークを用いた定量的評価を種々のシミュレートした異常値条件下でLasso,L2GAの両方と比較Lp(p=1.0 ,0.8,0.6,0.4,0.2)-GAのための小さいバイアス誤差と高い連鎖一貫性を示した。眼アーチファクトを含む安静時脳波への応用も提案したGAは効果的に眼異常値影響を圧縮し,信頼できるネットワークを回復することができることを示した。脳波は関連研究におけるアーチファクトで汚染されている場合,提案したLp GAは信頼性の高いネットワーク構造を捉えるのに有用である可能性がある。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： *ネットワーク ,  逐次近似 ,  アーチファクト ,  信頼性 ,  生理学 ,  *ノルム ,  因果律 ,  モデル ,  *ロバスト性 ,  *指向性 ,  バイアス ,  異常値 ,  脳波 ,  ネットワーク構造
準シソーラス用語： L2ノルム , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G)

タイトルに関連する用語 (6件)： 指向性 ,  EEG ,  ネットワーク解析 ,  LP ,  ロバスト ,  解析