文献

J-GLOBAL ID：201802237376308702   整理番号：18A2023774

CNNとSVMを用いたMCIからADへの1年変換確率のための意思決定支援モデル【JST・京大機械翻訳】

Decision Supporting Model for One-year Conversion Probability from MCI to AD using CNN and SVM

著者 (5件)： Shen Ting (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai, China) ,  Li Yupeng (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai, China) ,  Wu Ping (PET Center, Huashan Hospital, Fudan University, Shanghai, China) ,  Zuo Chuantao (PET Center, Huashan Hospital, Fudan University, Shanghai, China) ,  Yan Zhuangzhi (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： EMBC  ページ： 738-741  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 最近,軽度認知障害(MCI)からのアルツハイマー病(AD)の予測が一般的になっている。特に,深い学習技術を用いて,このトピックにおける高品質特徴と分類を抽出した。患者がMCIからADに転換するかどうかは,診療所における特定の評価基準である。しかし,文献にはそのような変換予測モデルは存在しない。したがって,本研究の目的は,1年以内にMCIからADへの変換確率を予測するために,深い学習と機械学習に基づく意思決定支援モデルを提案することである。著者らは,すべてのMCI患者が,変換のために異なる時間スパンでADに変換された,アルツハイマー病神経画像診断(ADNI)データベースからのMRIスキャンによる165のサンプルを分析した。本モデルにおいて,著者らは最初に畳込みニューラルネットワーク(CNN)方法に基づいて画像特徴を抽出して,次に著者らはこれらの特徴を分類するためにサポートベクトルマシン(SVM)分類装置を使用した。結果は,線形,多項式およびRBFカーネルを用いた分類精度が91.0%,90.0%および92.3%を達成できることを示した。結果として,本研究は,意思決定支援モデルが1年以内にMCIからADへの変換確率の予測に適用できる可能性を示した。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： 診療所 ,  データベース ,  画像診断 ,  Alzheimer病 ,  機械学習 ,  サポートベクトルマシン ,  多項式 ,  患者 ,  走査 ,  評価基準 ,  *学習 ,  スパン
準シソーラス用語： 分類精度 ,  軽度認知障害 ,  *意思決定支援 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： CNN ,  SVM ,  AD ,  確率 ,  意思決定支援 ,  モデル