文献
J-GLOBAL ID:201802227795096052   整理番号:18A1756969

畳込みニューラルネットワークに基づくアルツハイマー病と行動異常型前頭側頭葉痴呆の鑑別診断モデル研究【JST・京大機械翻訳】

A computational model for the differential diagnosis of Alzheimer’s disease and behavioral variant of frontotemporal dementia based on convolutional neural network
著者 (8件):
資料名:
巻: 51  号:ページ: 228-234  発行年: 2018年 
JST資料番号: C2317A  ISSN: 1006-7884  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: 中国 (CHN)  言語: 中国語 (ZH)
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。
【目的】アルツハイマー病(Alzheimer’sdisease)を同定するための畳込みニューラルネットワークに基づく深さ学習分類モデルを確立する。AD)と行為異常型前頭側頭葉痴呆(behavioralvariantoffrontotemporaldementia,bvFTD)患者は鑑別診断の正確率を高める。【方法】47例のAD患者と39例のbvFTD患者の頭部MRIスキャンを,MRIデータの前処理のために実行した。AAL2テンプレートとHarvard-Oxfordテンプレートにより脳の異なる脳領域の灰白質体積の特徴を抽出し、畳み込みニューラルネットワークを用いて分類モデルを構築し、構築したモデルに対して従来の機械学習方法との比較実験を行った。主要な差異脳区の分類試験と年齢差異の検討試験を行った。【結果】AAL2テンプレートとHarvard-Oxfordテンプレートデータに基づくコンボリューションニューラルネットワークの最高分類精度は,それぞれ82.6%と83.7%であり,従来の機械学習法の75.6%と76.7%より良好である。2つのテンプレートの26個と31個の主要な差異脳区の最高分類正確率は,それぞれ79.1%と80.2%であった。結論:ADとbvFTDは畳込みニューラルネットワークに基づく深度学習モデルを通じて高い分類精度が得られ、このモデルが補助鑑別診断に応用できることを示唆した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (5件):
分類
JSTが定めた文献の分類名称とコードです
神経系疾患の薬物療法  ,  遺伝子の構造と化学  ,  精神医学一般  ,  神経の臨床医学一般  ,  神経科学一般 

前のページに戻る