文献

J-GLOBAL ID：201802283275166042   整理番号：18A0783461

定量的EEG(QEEG)測定は健常対照(HC)からパーキンソン病(PD)患者を識別する【JST・京大機械翻訳】

Quantitative EEG (QEEG) Measures Differentiate Parkinson’s Disease (PD) Patients from Healthy Controls (HC)

著者 (9件)： Chaturvedi Menorca (Department of Neurology, University Hospital Basel) ,  Chaturvedi Menorca (Department of Mathematics and Computer Science, University of Basel) ,  Hatz Florian (Department of Neurology, University Hospital Basel) ,  Gschwandtner Ute (Department of Neurology, University Hospital Basel) ,  Bogaarts Jan G. (Department of Neurology, University Hospital Basel) ,  Bogaarts Jan G. (Department of Mathematics and Computer Science, University of Basel) ,  Meyer Antonia (Department of Neurology, University Hospital Basel) ,  Fuhr Peter (Department of Neurology, University Hospital Basel) ,  Roth Volker (Department of Mathematics and Computer Science, University of Basel)
資料名： Frontiers in Aging Neuroscience (Web)  (Frontiers in Aging Neuroscience (Web))
巻： 9  ページ： 3  発行年： 2017年 
JST資料番号： U7056A  ISSN： 1663-4365  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： 【目的】定量的EEG(QEEG)パラメータが,健常者からのMild認知障害の有無にかかわらず,Parkinson病(PD)患者を識別することができ,特徴選択のための最適方法を見出すことができる。背景:ある種のQEEGパラメータは,Parkinson病およびAlzheimer病における認知症と関連することが知られている。研究はまた,疾患の段階に依存するいくつかのパラメータを示した。PD患者群と健常者群の間の高分解能QEEG測定における差異を検討し,2群間を正確に区別できる特徴の小部分集合を得た。方法:高分解能256チャンネルEEGを,50人のPD患者(年齢68.8±7.0歳;女性/男性17/33)と41人の健康対照(年齢71.1±7.7歳;女性/男性20/22)で記録した。データは,脳の異なる領域を横切るアルファ,θ,デルタ,ベータ周波数帯における相対的パワーを計算するために処理された。中央値,ピーク周波数も得て,α1/θ比を計算した。機械学習法をデータに適用し,比較した。さらに,LASSOを用いたペナルティ化ロジスティック回帰をRのデータに適用し,最良性能の部分集合を得た。結果:ランダムフォレストとLASSOは,特徴選択のための最適な方法であることが分かった。LASSOによって選択された6つの尺度の群は,PD患者から健常者を区別するのに最も効果があるように見えた。最も重要な変数は,時間的左領域におけるθパワーと中央左領域におけるα1/θ比であった。結論:適用されたペナルティ化された回帰法は,高い多重共線性を有するデータセットから小グループの特徴を選択するのに役立った。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： ペナルティ ,  周波数帯 ,  Alzheimer病 ,  部分集合 ,  *患者 ,  特徴選択 ,  周波数 ,  高分解能 ,  機械学習 ,  男性 ,  女性 ,  *Parkinson病
準シソーラス用語： ロジスティック回帰分析 ,  認知障害 ,  健常者 , 【Automatic Indexing@JST】

著者キーワード (6件)： パーキンソン病 ,  QEEG ,  認知低下 ,  パーキンソン病認知症 ,  神経変性疾患 ,  機械学習

分類 (4件)： 神経系の疾患  (GN03000O) ,  神経系の診断  (GN02000H) ,  中枢神経系  (EJ12030F) ,  神経系疾患の治療一般  (GN05010N)

タイトルに関連する用語 (8件)： 定量的EEG ,  qEEG ,  対照 ,  HC ,  パーキンソン病 ,  Pd ,  患者 ,  識別