文献

J-GLOBAL ID：201802218045192439   整理番号：18A1903775

多被験者fMRIデータ解析のための共有および被験者特異辞書学習(SHSSDL)アルゴリズム【JST・京大機械翻訳】

Shared and Subject-Specific Dictionary Learning (ShSSDL) Algorithm for Multisubject fMRI Data Analysis

著者 (3件)： Iqbal Asif (Department of Electrical and Electronic EngineeringThe University of Melbourne) ,  Seghouane Abd-Krim (Department of Electrical and Electronic Engineering, The University of Melbourne, Melbourne, VIC, Australia) ,  Adali Tulay (Department of Computer Science and Electrical EngineeringUniversity of Maryland)
資料名： IEEE Transactions on Biomedical Engineering  (IEEE Transactions on Biomedical Engineering)
巻： 65  号： 11  ページ： 2519-2528  発行年： 2018年 
JST資料番号： C0236A  ISSN： 0018-9294  CODEN： IEBEAX  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： 【目的】複数の被験者からの機能的磁気共鳴画像(fMRI)データの分析は多くの医学的画像研究の心臓にあり,辞書学習(DL)に基づくアプローチは問題に対する有望な解決策として最近注目されている。しかし,今日までに提案されたfMRI解析のためのDLベースの方法は,自然には多対象解析に拡張されていない。本論文では,多対象fMRIデータ解析のためのDLアルゴリズムを提案した。方法:提案されたアルゴリズム[共有された被験者特異的辞書学習(ShSSDL)]は,時間的連接に基づいて誘導される。それは,特に,複数主題タスク関連fMRIデータセットの分析に対して魅力的である。それは,そのスパース符号化と辞書更新段階の両方において,既存のDLアルゴリズムと異なり,すべての主題によって共有された辞書を学習する利点がある。結果:提案されたDLアルゴリズムの性能は,シミュレーションと実際のfMRIデータセットを用いて例証される。結果は,それが首尾よく共有されることができて,主観的な潜在的成分を抽出することができることを示した。【結論】新しいDLアプローチを提供することに加えて,マルチ主題fMRIデータ解析に適用したとき,提案したアルゴリズムは,一群のレベルと一連の主観的な空間マップを生成する。重要性:提案したアルゴリズムは,解析したfMRIデータセットについての情報の識別情報源と共有された複数の辞書を同時に学習する利点を有している。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： クラスタ ,  画像 ,  心臓 ,  *アルゴリズム ,  データ解析
準シソーラス用語： 識別子 ,  スパースコーディング ,  *辞書学習 ,  *機能的MRI ,  *被験者 , 【Automatic Indexing@JST】

分類 (3件)： 生体計測  (EL03020C) ,  医療用機器装置  (GA05020L) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 被験者 ,  fMRI ,  データ解析 ,  共有 ,  辞書学習 ,  アルゴリズム