文献

J-GLOBAL ID：201802230306302926   整理番号：18A0781436

神経画像のためのBayes Rice回帰【JST・京大機械翻訳】

Bayesian Rician Regression for Neuroimaging

著者 (5件)： Wegmann Bertil (Division of Statistics and Machine Learning, Department of Computer and Information Science, Linkoping University) ,  Eklund Anders (Division of Statistics and Machine Learning, Department of Computer and Information Science, Linkoping University) ,  Eklund Anders (Division of Medical Informatics, Department of Biomedical Engineering, Linkoping University) ,  Eklund Anders (Center for Medical Image Science and Visualization, Linkoping University) ,  Villani Mattias (Division of Statistics and Machine Learning, Department of Computer and Information Science, Linkoping University)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 11  ページ： 586  発行年： 2017年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 拡散強調画像(DWI)からのデータがRician分布に従うことはよく知られている。Rician分布は,高い時間的または空間的分解能で得られた機能的磁気共鳴イメージング(fMRI)データにも関連している。非中心χ(Nc-χ)分布データに対する一般的回帰モデルを提案した。これは,顕著な特殊ケースとして,異分散Rician回帰モデルを用いた。モデルは,Bayes変数選択により選択された関連変数を用いて,Rician分布における両パラメータを説明変数に結び付けることを可能にした。高効率マルコフ連鎖モンテカルロ(MCMC)アルゴリズムを,すべてのモデルパラメータと二値変数選択指標の共同事後分布からシミュレーションすることによって,完全なモデル不確実性を捕捉するために提案した。シミュレートした回帰データを用いて,Riceモデルが低い信号対雑音比において付加的に使用されるGaussモデルよりもはるかに正確に信号を検出できることを実証した。ヒューマンコネクトプロジェクトからの拡散データセットを用いて,一般的に用いられている近似Gauss雑音モデルが,Riceモデルと比較して,単一拡散テンソルモデルにおける平均拡散率(MD)と分数異方性(FA)を過小評価することも示した。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *回帰モデル ,  モンテカルロ法 ,  空間分解能 ,  Gauss模型 ,  Gauss雑音 ,  異方性 ,  Markov連鎖 ,  SN比
準シソーラス用語： 平均拡散率 ,  事後分布 ,  モデルパラメータ ,  MCMC ,  変数選択 ,  機能的MRI ,  拡散強調画像 , 【Automatic Indexing@JST】

著者キーワード (7件)： DTI ,  拡散 ,  fMRI ,  分数異方性 ,  平均拡散率 ,  mcmC ,  Rice

分類 (2件)： 腫ようの診断  (GE03020J) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (1件)： 神経画像