文献

J-GLOBAL ID：201802213200961031   整理番号：18A1610503

マルチモーダルスパース階層的極端学習機械を用いたアルツハイマー病と軽度認知障害の同定【JST・京大機械翻訳】

Identification of Alzheimer’s disease and mild cognitive impairment using multimodal sparse hierarchical extreme learning machine

著者 (2件)： Kim Jongin (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), Gwangju, 61005, Republic of Korea) ,  Lee Boreom (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), Gwangju, 61005, Republic of Korea)
資料名： Human Brain Mapping  (Human Brain Mapping)
巻： 39  号： 9  ページ： 3728-3741  発行年： 2018年 
JST資料番号： W2600A  ISSN： 1065-9471  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： 構造的MRI,FDG-PETおよびCSFのような異なるモダリティは相補的情報を有し,ADおよびMCIの診断に非常に有用である可能性がある。したがって,異なるモダリティの相補的情報を統合することにより,より効果的で正確なAD/MCI自動診断法を開発することが可能である。本論文において,著者らは,マルチモーダルスパース階層的極端な学習機械(MSH-ELM)を提案した。MRIとFDG-PETの特徴として,93の関心領域(ROI)から抽出した容積と平均強度を用い,CSFの特徴としてp-タウ,t-タウ,Aβ42を用いた。詳細には,高レベル表現を,積層スパース極端学習機械自動エンコーダ(sELM-AE)を用いて,各MRI,FDG-PET,CSFから個別に抽出した。次に,別の積層sELM-AEを考案し,各モダリティから得た高水準表現を融合することにより,共同階層特徴表現を獲得した。最後に,カーネルベースの極端学習機械(KELM)を用いて,ジョイント階層特徴表現を分類した。MSH-ELMの結果を,従来のELM,単一カーネルサポートベクトルマシン(SK-SVM),多重カーネルサポートベクトルマシン(MK-SVM),および積層オートエンコーダ(SAE)のものと比較した。性能は10倍の交差検証を通して評価した。AD対HCとMCI対HC問題の分類において,提案したMSH-ELM法は,それぞれ96.10%と86.46%の平均平衡精度を示し,競合法のものよりはるかに良い。要約すると,提案したアルゴリズムは,二つの二値分類問題(AD対HCおよびMCI対HC)において,SK-SVM,ELM,MK-SVMおよびSAEよりも一貫して良好な性能を示した。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多重化 ,  *Alzheimer病 ,  符号器 ,  アルゴリズム ,  *多モード
準シソーラス用語： 二値分類 ,  自己符号化器 ,  特徴表現 ,  アミロイドβ42 ,  関心領域 ,  FDG PET ,  自動診断 ,  モダリティ ,  *軽度認知障害 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (7件)： アルツハイマー病 ,  CS ,  軽度認知障害 ,  MRI ,  マルチモーダル分類 ,  PET ,  スパース階層型極端学習機械

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 極端学習機械 ,  アルツハイマー ,  軽度認知障害 ,  同定