文献

J-GLOBAL ID：201802243526439949   整理番号：18A2107183

データスキャンSPECTイメージングにおけるSwedd診断のための機械学習に基づくアプローチ【JST・京大機械翻訳】

Machine Learning Based Approaches for SWEDD diagnosis in DaTSCAN SPECT imaging

著者 (3件)： Mabrouk Rostom (Brain Research Centre, University of British, Columbia, Canada) ,  Chikhaoui Belkacem (De`partement Science et Technologie, Universite` TE`LUQ, 2374) ,  Bentabet Layachi (computer sciences Department, Bishop’s University 2600 College St, Sherbrooke, QC J1M 1Z7)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： NSS/MIC  ページ： 1-3  発行年： 2017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： DaTscan(123I iophlipane注入)は,ドーパミン輸送体(DaT)の単一光子放出コンピュータ断層撮影分子イメージング剤である。DaTscanはParkinson病(PD)のような黒質線条体神経細胞変性の特徴として広く用いられている。DAT密度は,Striatum結合比(SBR)を計算することによって一般的に評価される。異常な運動徴候を示すいくつかの被験者において,SBRは正常な範囲にあり,それはドーパミン作動性認知症(SWEED)として知られているものとして知られている。PDを発症するこれらの被験者の運命は明らかでない。本論文では,PD分類のための機械学習に基づくモデルと,ParkinsonのProging Marker Initiative(PPMI)からのデータを用いたSWEDD条件予測を開発した。多変量ロジスティック回帰(MLR)と主成分分析-線形サポートベクトルマシン(PCA-LSVM)を利用して,適格モデルを確立した。SBR値は,被殻とCaudate地域の最も影響が少なく,最も影響された側から計算され,統一されたParkinson病評価尺度(UPDRS)は,著者らのモデルに対する有意な貢献者として使用された。MLRは,0.98の曲線下面積(AUC)で,PDと対照の間の正しい分類を提供した。CoxとSnell試験からのR2は有意に高く(0.65),モデルの高い有意性を示した。98%の最適閾値において,SWEEDからの8人の被験者がPDを発症する参加者として検出された。PCA-LSVMモデルは,PDと対照の間の正確な分類を0.92の平均精度で提供した。LSVMは,PDを開発する参加者として,5人のSWEED被験者を予測した。4名の被験者をMLRとPCA-LSVMから交差同定した。開発したモデルは,PD参加者を対照から区別するための高い能力を提供した。最適閾値におけるMLRは,SWEED群の予後におけるPCALSVMモデルと同等であった。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： *機械学習 ,  線形性 ,  主成分分析 ,  サポートベクトルマシン ,  計算機トモグラフィー ,  Parkinson病 ,  予測 ,  認知症 ,  被殻 ,  *SPECT ,  分子イメージング
準シソーラス用語： ロジスティック回帰分析 ,  多変量 ,  被験者 ,  単一光子 , 【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 (4件)： スキャン ,  SPECTイメージング ,  診断 ,  機械学習