文献

J-GLOBAL ID：201702291977436209   整理番号：17A1397215

センサまたはソースデータに対するICA(独立成分分析):EEGからの静止状態ネットワークの導出における比較研究【Powered by NICT】

ICA on sensor or source data: A comparison study in deriving resting state networks from EEG

著者 (5件)： Li Chuang (School of Electrical and Computer Engineering, University of Oklahoma, Norman, 73072, USA) ,  Yuan Han (School of Biomedical Engineering, University of Oklahoma, Norman, 73072, USA) ,  Urbano Diamond (Laureate Institute of Brain Research, Tulsa, OK USA) ,  Cha Yoon-Hee (Laureate Institute of Brain Research, Tulsa, OK USA) ,  Ding Lei (Stephenson School of Biomedical Engineering, University of Oklahoma, Norman, 73072, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 3604-3607  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： タスクフリーと覚醒状態にあるとき,休止状態ネットワーク(RSN)は分散脳領域における自発活動ゆらぎによって形成されるヒト脳ネットワークである。RSNはこれまで機能的磁気共鳴画像法(fMRI)を用いて広く研究されている。最近,脳波(EEG)と脳磁図(MEG)もRSN,独立成分分析(ICA)は重要な段階であることを導出するために使用した。これらの研究では,ICAは直接逆源イメージング技術(ソース空間ICA)を用いたセンサからセンサ(センサ空間ICA)または推定された震源データで記録されたデータに適用されている。センサ空間と源空間両ICAはEEG/MEGデータからRSNを見つける能力を実証した,その結果は,fMRI RSNに強い相関を示した。しかし,それらの性能の違いはそれらの結果で観察されたも比較しなかった。本研究では,模擬および実EEGデータにおけるRSNの空間的,時間的およびスペクトル特性を再構成におけるソース空間とセンサ空間ICAを比較した。シミュレーションデータからの結果は,源空間ICAはRSNの空間的,時間的,およびスペクトル特徴を再構成する優れた性能を持つことを示した。七人の健康な参加者における静止状態EEGデータからの結果はまた,二方法間の差を示し,fMRIデータから構築したRSNテンプレートと比較して,源空間ICAはセンサ空間ICAよりも相対的に良好な性能を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ネットワーク ,  再構成 ,  ヒト ,  画像技術 ,  *センサ ,  震源 ,  脳波 ,  *独立成分分析 ,  ゆらぎ ,  脳磁図
準シソーラス用語： スペクトル特徴 ,  スペクトル特性 ,  機能的MRI ,  脳領域 ,  覚醒状態 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (7件)： ソース ,  ICA ,  独立成分分析 ,  EEG ,  静止状態 ,  導出 ,  研究