文献

J-GLOBAL ID：201802285962992203   整理番号：18A0022742

信頼性と遺伝的バイオマーカーにおける生画像データ結果からの深い学習を用いた脳年齢を予測する【Powered by NICT】

Predicting brain age with deep learning from raw imaging data results in a reliable and heritable biomarker

著者 (8件)： Cole James H. (Computational, Cognitive & Clinical Neuroimaging Laboratory, Division of Brain Sciences, Imperial College London, London, UK) ,  Poudel Rudra P.K. (Department of Biomedical Engineering, King’s College London, London, UK) ,  Tsagkrasoulis Dimosthenis (Department of Mathematics, Imperial College London, London, UK) ,  Caan Matthan W.A. (Department of Radiology, Academic Medical Center, Amsterdam, The Netherlands) ,  Steves Claire (Department of Twin Research & Genetic Epidemiology, King’s College London, London, UK) ,  Spector Tim D. (Department of Twin Research & Genetic Epidemiology, King’s College London, London, UK) ,  Montana Giovanni (Department of Biomedical Engineering, King’s College London, London, UK) ,  Montana Giovanni (Department of Mathematics, Imperial College London, London, UK)
資料名： NeuroImage  (NeuroImage)
巻： 163  ページ： 115-124  発行年： 2017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： 神経画像データの機械学習解析は健常者において年齢を正確に予測できる。健常脳老化からのずれは認知障害と疾患と関連している。ここでは,さらに脳加齢過程における個人差のバイオマーカーとしての「脳予測時代」の証明書を確立し,深層学習に基づく予測モデル化手法を用いて,特異的に畳込みニューラルネットワーク(CNN),前処理と生の両T1強調MRIデータに適用した。第一に,健康な成人の大規模データセット(N=2001)を用いたCNN脳予測の精度を検証することを目的とした。次に,一卵性および二卵性女性双生児の試料(N=62)を用いた脳予測年齢の遺伝率を確立しようとした。第三に,二試料(内スキャナN=20;間スキャナN=11)を用いた脳予測年齢の試験-再試験および多施設信頼性を調べた。発生とGauss過程回帰(GPR)アプローチと比較して,全てのデータセットであったCNN脳予測年代。入力データは統計的パラメトリックマッピング(SPM)または生データにより生成された灰白質(GM)または白質(WM)体積マップした。CNNは,GM(脳予測年齢と暦年齢間の相関(0.96,平均絶対誤差(MAE]=4.16歳)および原料(rL= 0.94,MAE=4.65年)データを用いた暦年齢を正確に予測した。これはGMデータ(r2=0.95,MAE=4.66歳)を用いたGPR脳予測年齢と同等であった。脳予測年齢は全てのモデルと入力データ(h~2≧0.5)の遺伝的表現型であった。脳予測年齢は高い検査-再検査信頼性(級内相関係数[ICC]=0.90 0.99)を示した。多施設信頼性は,GM(0.83 0.96)とWMと生データ(0.51 0.77)に対する貧弱な中程度の高いICC内でより変数であった。脳予測年齢は正確な,高い信頼性と遺伝による影響を受ける表現型,脳老化のバイオマーカーとして使用できる可能性を持つことを示した。,年齢予測は生T1-MRIデータに発生し,実質的に新しいデータのための計算時間を減少させ,臨床設定における脳の健康に関する実時間情報を与えるに近いプロセスを正確にすることができた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 前処理 ,  女性 ,  *信頼性 ,  畳込み ,  予測モデル ,  画像診断 ,  *バイオマーカー ,  走査装置 ,  *予測 ,  ニューラルネットワーク ,  白質 ,  表現型 ,  機械学習
準シソーラス用語： 個人差 ,  *画像データ , 【Automatic Indexing@JST】

著者キーワード (8件)： 脳老化 ,  画像診断 ,  信頼性 ,  遺伝率 ,  癌のバイオマーカーバイオマーカー ,  深い学習 ,  畳込みニューラルネットワーク ,  Gauss過程

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： バイオマーカー ,  学習 ,  脳 ,  年齢 ,  予測