文献

J-GLOBAL ID：201802240594713517   整理番号：18A0781465

Alzheimer病におけるfMRIデータのハイパーネットワークの複数特徴を組み合わせた機械学習分類【JST・京大機械翻訳】

Machine Learning Classification Combining Multiple Features of A Hyper-Network of fMRI Data in Alzheimer’s Disease

著者 (5件)： Guo Hao (Department of Software Engineering, College of Computer Science and Technology, Taiyuan University of Technology) ,  Zhang Fan (Department of Software Engineering, College of Computer Science and Technology, Taiyuan University of Technology) ,  Chen Junjie (Department of Software Engineering, College of Computer Science and Technology, Taiyuan University of Technology) ,  Xu Yong (Department of Psychiatry, First Hospital of Shanxi Medical University) ,  Xiang Jie (Department of Software Engineering, College of Computer Science and Technology, Taiyuan University of Technology)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 11  ページ： 615  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： 種々の脳領域間の機能的相互作用の探索は神経障害の病理学的基礎を理解するために有用である。脳ネットワークはそれらの機能的相互作用の重要な表現を提供し,神経変性疾患の診断と分類に広く適用されている。多くの精神疾患は,主要な症状として認知能力の急激な低下を含み,それはいくつかの脳領域の間の異常な連結性パターンによって引き起こされることができる。しかしながら,通常の機能的接続性ネットワークは,通常,異なる脳領域間の対相関に基づいて構築される。このアプローチは高次関係を無視し,多くの脳領域の高次相互作用を効果的に特徴付けることができない。最近の神経科学研究は脳領域間の高次関係が脳ネットワーク解析に重要であることを示唆している。脳領域間の相互作用を効果的に表現できるハイパーネットワークが提案されている。しかしながら,この方法は,特徴として脳領域の局所的性質を抽出するが,ネットワークトポロジーの評価に影響を及ぼし,分類装置の性能を低下させるグローバルトポロジー情報を無視する。この問題はサブグラフ特徴ベース法により補償できるが,単一脳領域における変化に敏感ではない。これらの特徴抽出法の両方が情報の損失をもたらすことを考慮して,アルツハイマー病における機能的磁気共鳴画像に基づくハイパーネットワークの複数の特徴を組み合わせた新しい機械学習分類法を提案した。この方法は,脳領域特徴とサブグラフ特徴を結合して,次に分類のためにマルチカーネルSVMを使用した。これは,全体的トポロジー情報だけでなく,単一脳領域における変化に対する感度も保持する。提案した方法を保証するために,28人の正常対照被験者と38人のアルツハイマー病患者を実験に参加させるために選択した。提案した方法は満足できる分類精度を達成し,平均91.60%であった。異常な脳領域には,両側のprec骨,右海馬回海馬,右後部帯状回,およびアルツハイマー病において重要であることが知られている他の領域が含まれていた。アルツハイマー病における機能的磁気共鳴画像データのハイパーネットワークの複数の特徴を組み合わせた機械学習分類は,より良い分類性能を得る。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： 相互作用 ,  精神病 ,  *機械学習 ,  分類装置 ,  部分グラフ ,  位相幾何学 ,  特徴抽出 ,  神経科学 ,  連結性 ,  *ネットワーク ,  *Alzheimer病 ,  患者 ,  海馬
準シソーラス用語： 神経変性疾患 ,  脳領域 , 【Automatic Indexing@JST】

著者キーワード (5件)： fMRI ,  ハイパーネットワーク ,  多特徴 ,  弁別サブグラフ ,  アルツハイマー病

分類 (1件)： 神経系の疾患  (GN03000O)

タイトルに関連する用語 (4件)： Alzheimer病 ,  fMRI ,  機械学習 ,  分類