文献

J-GLOBAL ID：201802290684896767   整理番号：18A1713907

てんかん手術後の発作制御を決定するための全脳コネクトームに適用した深層学習【JST・京大機械翻訳】

Deep learning applied to whole-brain connectome to determine seizure control after epilepsy surgery

著者 (9件)： Gleichgerrcht Ezequiel (Department of Neurology, Medical University of South Carolina, Charleston, South Carolina) ,  Munsell Brent (Department of Computer Science, College of Charleston, Charleston, South Carolina) ,  Bhatia Sonal (Department of Neurology, Medical University of South Carolina, Charleston, South Carolina) ,  Vandergrift William A. III (Department of Neurosurgery, Medical University of South Carolina, Charleston, South Carolina) ,  Rorden Chris (Department of Psychology, University of South Carolina, Columbia, South Carolina) ,  McDonald Carrie (Department of Psychology, University of California, San Diego, San Diego, California) ,  Edwards Jonathan (Department of Neurology, Medical University of South Carolina, Charleston, South Carolina) ,  Kuzniecky Ruben (Department of Neurology, Hofstra Northwell School of Medicine, Great Neck, New York) ,  Bonilha Leonardo (Department of Neurology, Medical University of South Carolina, Charleston, South Carolina)
資料名： Epilepsia  (Epilepsia)
巻： 59  号： 9  ページ： 1643-1654  発行年： 2018年 
JST資料番号： T0368A  ISSN： 0013-9580  資料種別： 逐次刊行物 (A)
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： 【目的】著者らは,全脳の術前の構造的連結に適用された深い学習が,me側側頭葉てんかん(TLE)患者における臨床的変数からの推論より正確に手術後の発作結果を予測するために使用できるかどうかを評価した。【方法】片側性TLE患者50名を,てんかん手術後少なくとも1年で持続性障害発作(SZ)または無症候性(SZF)のいずれかに分類した。それらの術前構造的連結は全脳拡散テンソル画像から再構成された。深いネットワークを,5倍の交差検証を用いて発作結果を分類するために,コネトームデータに基づいて訓練した。結果:訓練した神経回路網の分類精度は,陽性予測値(PPV;発作自由度)88±7%,平均陰性予測値(NPV;発作不応性)79±8%を示した。逆に,臨床変数のみに基づく分類モデルは<50%の精度をもたらした。神経回路網の高精度分類に寄与する特異的特徴は,同側の時間的および時間外領域だけでなく,対側半球でも位置していた。意義:深い学習は,複雑なデータセットから異常な個別化パターンを分離することができる強力な統計的アプローチであり,手術後の発作転帰の高精度予測を提供することを示した。この予測モデルに含まれる特徴は,臨床病巣に対して同側および対側の両方であり,辺縁および外性ネットワークを横切ってスパンニングされていた。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  予測モデル ,  *発作 ,  再構成 ,  患者 ,  ニューラルネットワーク ,  神経回路網
準シソーラス用語： 高精度 ,  予測値 ,  分類精度 ,  持続性 ,  側頭葉てんかん ,  *深層学習 ,  *コネクトーム , 【Automatic Indexing@JST】

著者キーワード (6件)： コネクトーム ,  深層学習 ,  拡散テンソル画像 ,  ニューラルネットワーク ,  構造接続性 ,  側頭葉てんかん

分類 (4件)： 神経系の診断  (GN02000H) ,  神経系の疾患  (GN03000O) ,  医用画像処理  (JE04020T) ,  生体計測  (EL03020C)

タイトルに関連する用語 (5件)： てんかん手術 ,  発作 ,  脳 ,  コネクトーム ,  深層学習