抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
アルコール依存症は,脳欠陥とそれに関連した認知的,感情的および行動障害をもたらすことを一般的な疾患である。,健康な脳パターンとアルコール性脳パターンに相関する,識別生物学的マーカーの発見と抽出アルコール依存症を検出し分類するための自動法を利用する助けとなる。多くの脳障害は脳波(EEG)信号を解析することにより検出することができた。本論文では,必要なマーカーを抽出するための,アルコールと対照群の二群のためのEEG信号を解析した。ウェーブレット変換を適用することにより,帯域制限されたEEG信号は五周波数サブバンドに分解した。また,主成分分析(PCA)は,最も情報運搬チャネルを選択した。異なる周波数サブバンドからの種々の特徴を調べることにより,分類のための六識別特徴を選択した。機能的脳ネットワークの視点から,アルコール中毒患者におけるアルファ周波数サブバンドにおける骨頭側方化のベータ周波数サブバンドと損失の低い同期が観測された。信号処理の観点からまた,アルコール中毒患者は対照と比べて,フラクタル次元,エネルギーとエントロピーの低い値を持つことを見出した。五つの異なる分類器は非常に高い精度を示した(90%以上)ことをアルコールと対照被験者のこれらのグループを分類するために用いた。しかし,異なる分類器の性能を比較することにより,SVM,ランダムフォレストと勾配ブースティングは100%に近い精度を持ち,最良の性能を示した。著者らの研究は,アルファ周波数サブバンドにおけるチャネルC1のフラクタル次元,エントロピーおよびエネルギーは分類のためのより重要な特徴であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
