文献

J-GLOBAL ID：201702292169750353   整理番号：17A1973795

急性脳卒中患者におけるfMRIデータの自動ICAに基づくノイズ除去の影響【Powered by NICT】

Impact of automated ICA-based denoising of fMRI data in acute stroke patients

著者 (8件)： Carone D. (Acute Vascular Imaging Centre, Radcliffe Department of Medicine, University of Oxford, Oxford, United Kingdom) ,  Carone D. (Laboratory of Experimental Stroke Research, Department of Surgery and Translational Medicine, University of Milano Bicocca, Milan Center of Neuroscience, Monza, Italy) ,  Licenik R. (Acute Vascular Imaging Centre, Radcliffe Department of Medicine, University of Oxford, Oxford, United Kingdom) ,  Licenik R. (Department of Social Medicine and Public Health, Faculty of Medicine, Palacky University, Olomouc, Czech Republic) ,  Suri S. (Department of Psychiatry, Warneford Hospital, University of Oxford, Oxford, United Kingdom) ,  Griffanti L. (Oxford Centre of Functional MRI of the Brain, Nuffield Department of Clinical Neurosciences, University of Oxford, Oxford, United Kingdom) ,  Filippini N. (Nuffield Department of Clinical Neurosciences, West Wing level 6, JR hospital, Oxford, United Kingdom) ,  Kennedy J. (Acute Vascular Imaging Centre, Radcliffe Department of Medicine, University of Oxford, Oxford, United Kingdom)
資料名： NeuroImage: Clinical  (NeuroImage: Clinical)
巻： 16  ページ： 23-31  発行年： 2017年 
JST資料番号： W3179A  ISSN： 2213-1582  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： デノイズfMRIデータ自動的に独立成分分析(ICA)を用いて開発し,特定成分(例えば運動ICA芳香,Pruim.,2015a)のみを除去または複数タイプ雑音成分(例えばFIX,Salimi Khorshidi.,2014Griffanti.,2014)を除去するためのより複雑な分類器を用いたに焦点を合わせるかした異なる戦略。しかし,急性期で得られたノイズ除去データは難しい可能性がある:複数騒音源の存在は,データクリーン十分に焦点を絞った戦略を可能にするなく,データの不均一性は複雑なアプローチを弱体化し,大きい可能性がある。本研究の目的は,急性脳卒中患者から得られたfMRIデータを洗浄時自動ICAベースのアプローチは,これらの制限に対処するより良いであろう調査することであった。集束分類器(ICA AROMA)と複雑な分類器(FIX)手法の性能はRSN同定,RSN再現性,BOLD分散の変化,機能的連結性の推定の違いおよび時間的自由度の損失を決定するメトリックスを用いた二十名の連続急性ラクナ梗塞患者から得られたデータを用いて比較した。一般的な訓練されたFIXの使用は,部品の誤分類と信号(<80%)の顕著な損失をもたらし,さらに調べなかった。ICA芳香と患者訓練されたFIXの両方は,雑音除去アプローチ著しく改善されRSN再現性(p<0.001)をもたらし,雑音除去と一致BOLD分散における局在還元,および機能的結合(p<0.001)の有意な変化に基づく。患者訓練されたFIXはより高いRSN同定可能性(p<0.001)とBOLD変動とICA芳香と比較して機能的連結性の両方で広い変化をもたらした。ICA芳香の成功は選択した成分に焦点を当てて完全自動化は多雑音源を有する集団でも解析のための意味のあるデータを提供できることを示唆した。しかし,時間は適切な患者データ有用性が実証されとFIXを訓練,特に信号対雑音比の改善に投資した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 連結性 ,  独立成分分析 ,  *雑音 ,  雑音除去 ,  不均一性 ,  再現性 ,  自由度 ,  *患者 ,  雑音発生器 ,  騒音源 ,  SN比 ,  *雑音低減
準シソーラス用語： メトリックス ,  BOLD ,  *機能的MRI , 【Automatic Indexing@JST】

著者キーワード (6件)： 独立成分分析 ,  fMRI ,  急性脳卒中 ,  雑音除去 ,  BOLD ,  休止状態

分類 (2件)： 医用画像処理  (JE04020T) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 脳卒中患者 ,  fMRI ,  ICA ,  ノイズ除去