文献

J-GLOBAL ID：201802259497499568   整理番号：18A1289281

相関ネットワークのためのクラスタリング係数【JST・京大機械翻訳】

Clustering Coefficients for Correlation Networks

著者 (5件)： Masuda Naoki (Department of Engineering Mathematics, University of Bristol) ,  Sakaki Michiko (School of Psychology and Clinical Language Sciences, University of Reading) ,  Sakaki Michiko (Research Institute, Kochi University of Technology) ,  Ezaki Takahiro (PRESTO, Japan Science and Technology Agency) ,  Watanabe Takamitsu (Institute of Cognitive Neuroscience, University College London)
資料名： Frontiers in Neuroinformatics (Web)  (Frontiers in Neuroinformatics (Web))
巻： 12  ページ： 7  発行年： 2018年 
JST資料番号： U7084A  ISSN： 1662-5196  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： グラフ理論は,様々な空間的および時間的スケールにおける脳の構造的および機能的ネットワークを解読するための有用なツールである。クラスタリング係数はネットワークにおける連結三角形の存在量を定量化し,ネットワークの主要な記述統計である。例えば,それは,注意と認知条件,年齢,精神疾患などによって影響を受ける脳ネットワークの小規模性の評価における応用を見つける。しかしながら,クラスタリング係数が相関ベースのネットワークにおいてどのように測定されるべきかは不明のままである。それは脳ネットワークの主要な表現の間にある。本論文では,相関行列に合わせたクラスタリング係数を提案した。鍵となるアイデアは,ノード間の間接的経路から期待される擬似相関の量に対して,焦点ノードの2つの隣接ノード間の相関の強度を測定するために,3方向部分相関または部分的相互情報を用いることである。著者らの方法は相関ネットワークの定義におけるクラスタ化係数(および他の)測度の以前の適用の困難性,すなわち相関値の閾値化,負相関値の離散化,擬似相関問題および推定が計算困難な完全部分相関行列を避ける。概念を証明するために,提案したクラスタリング係数測度を様々な年齢の健常参加者から得た機能的磁気共鳴画像データに適用し,それらを従来のクラスタリング係数と比較した。クラスタリング係数は年齢とともに低下することを示した。提案したクラスタリング係数は,従来のものよりも年齢とより強く相関した。また,提案したクラスタリング係数(すなわち,焦点ノードの周りの三角形の存在量)の局所的なバリアントが個々のノードの特性化に有用であることを示した。対照的に,従来の局所クラスタリング係数は強く相関し,従ってノードの接続性により混乱する可能性がある。提案した方法は,神経解剖学的性質における機能的時系列および交差-参加者相関から得られるもののような相関脳ネットワークにおけるクラスタ化および欠如を理解するのに役立つと期待される。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： 神経科学 ,  連結性 ,  測度 ,  小規模 ,  *ネットワーク ,  精神病 ,  グラフ理論 ,  キャラクタリゼーション ,  クラスタ化
準シソーラス用語： 神経解剖学 ,  機能的MRI ,  離散化 ,  相関行列 ,  記述統計 ,  *クラスタ係数 , 【Automatic Indexing@JST】

著者キーワード (6件)： ネットワーク神経科学 ,  クラスタリング係数 ,  機能的連結性 ,  部分相関 ,  部分相互情報 ,  加齢

分類 (2件)： 通信網  (ND07030A) ,  計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 相関 ,  クラスタリング係数