文献

J-GLOBAL ID：201802231482926625   整理番号：18A1288189

様々なモダリティからの画像データを用いた疾患状態予測のためのBayes空間モデル【JST・京大機械翻訳】

A Bayesian Spatial Model to Predict Disease Status Using Imaging Data From Various Modalities

著者 (3件)： Xue Wenqiong (Boehringer Ingelheim Pharmaceuticals Inc.) ,  Bowman F. DuBois (Department of Biostatistics, The Mailman School of Public Health, Columbia University) ,  Kang Jian (Department of Biostatistics, School of Public Health, University of Michigan)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 12  ページ： 184  発行年： 2018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： 画像データに関連する疾患状態は,神経画像研究の臨床的意義を増加させる。多くの神経学的および精神医学的障害は,脳の機能的および構造的性質,およびおそらく他の臨床的および生物学的測定において明らかになる複雑なシステムレベルの変化を含んでいる。機能的および構造的脳画像スキャンの両方から情報を組み込むことができる疾患状態を予測するためのBayes階層モデルを提案した。著者らは,脳を282のサブ領域に分割する2段階全体の脳のパーセル化を考慮し,著者らのモデルは,パーセル化によって定義された異なる脳領域からのボクセル間の相関を説明する。著者らのアプローチは画像データをモデル化し,予測を実行するために事後予測確率を使用する。著者らのモデルパラメータの推定は,Markov連鎖モンテカルロ(MCMC)法を用いて,ジョイント後部分布から引き出されたサンプルに基づいている。著者らは,leave-one-out交差検証に基づく予測精度率を検討することによって,著者らの方法を評価して,著者らは計算時間を減少するために重要性サンプリング戦略を採用した。全脳とボクセルレベルの予測を行い,ボクセルレベル予測結果に基づいて疾患と高度に関連する脳領域を同定した。本モデルをParkinson病の研究から多モード脳画像データに適用した。著者らは,一般的に非常に高い精度を達成し,そして,著者らのモデルは,いくつかの感覚システム領域だけでなく,尾状,被殻および紡錘形回分を含む正確な予測に寄与する重要な領域を同定した。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： Markov連鎖 ,  モンテカルロ法 ,  *状態推定 ,  CPU時間 ,  モデリング ,  被殻 ,  走査 ,  ボクセル ,  *予測 ,  多モード
準シソーラス用語： 予測精度 ,  モデルパラメータ ,  脳画像 ,  *画像データ ,  *モダリティ , 【Automatic Indexing@JST】

著者キーワード (6件)： Bayes空間モデル ,  予測 ,  mcmC ,  事後予測確率 ,  重要性サンプリング ,  パーキンソン病

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： モダリティ ,  疾患 ,  状態予測 ,  空間モデル