文献

J-GLOBAL ID：201802266451670708   整理番号：18A1712293

解剖学的知識を組み込んだ脳機能ネットワークの統合Bayes解析【JST・京大機械翻訳】

Integrative Bayesian analysis of brain functional networks incorporating anatomical knowledge

著者 (3件)： Higgins Ixavier A. (Department of Biostatistics and Bioinformatics, Emory University, Atlanta, GA, 30322, USA) ,  Kundu Suprateek (Department of Biostatistics and Bioinformatics, Emory University, Atlanta, GA, 30322, USA) ,  Guo Ying (Department of Biostatistics and Bioinformatics, Emory University, Atlanta, GA, 30322, USA)
資料名： NeuroImage  (NeuroImage)
巻： 181  ページ： 263-278  発行年： 2018年 
JST資料番号： W3139A  ISSN： 1053-8119  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 最近,脳の構造と機能の両方に関する情報を統合することにより,脳組織をより良く理解するために,多モードイメージングの融合に関心が高まっている。特に,解剖学的知識を組み込むことは,脳ネットワーク推定における精度の増加や走査セッションにわたるトポロジー的特徴の再現性のような望ましい結果をもたらす。明確な利点にもかかわらず,既存の画像技術における固有の欠陥による解剖学的構造のマッピングにおける構造-機能関係と不正確さの不完全な理解を含む統合的解析において大きな課題が残っている。これは,脳機能ネットワークを構築する際に解剖学的構造を適切に組み込んだ高度なネットワークモデリングツールの開発を必要とする。著者らは,エッジ特異的収縮の程度が解剖学的構造と独立したベースライン成分を用いてモデル化されるランダム変数であるスパース精度行列を介して脳機能ネットワークをモデル化する階層的BayesGaussグラフィカルモデリングアプローチを提案した。提案した手法は機能的接続を適応的に縮小し,構造的接続性知識により支持される機能的接続を柔軟に同定する。これにより,誤って特定された解剖学的知識の存在下でも,ロバストな脳ネットワーク推定が可能になり,一方,構造-関数関係における不均一性を調整することができる。最大事後推定値を得る効率的な最適化アルゴリズムによりアプローチを実行した。複数の機能的ネットワーク構造を含む広範な数値研究により,解剖学的知識がある程度誤っている場合でも,脳機能的連結性を正確に推定する競合法に対する提案アプローチの明確な利点が明らかになった。Philadelphia Neuro発生コホート(PNC)研究からのデータへのアプローチの応用により,複数の年齢グループにわたる性別に基づく連結性の差異,および代替法と比較してネットワークの評価におけるより高い再現性が明らかになった。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 不均一性 ,  ネットワーク構造 ,  走査 ,  母集団 ,  ロバスト性 ,  多モード ,  推定量 ,  モデリング ,  再現性 ,  *ネットワーク ,  画像処理 ,  位相幾何学 ,  連結性 ,  *解剖学
準シソーラス用語： *脳機能 , 【Automatic Indexing@JST】

著者キーワード (6件)： 適応収縮 ,  脳ネットワーク ,  Gaussグラフモデル ,  マルチモーダルイメージング ,  Philadelphia神経発達コホート ,  再現性

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (5件)： 解剖学 ,  知識 ,  脳機能 ,  統合 ,  解析