文献

J-GLOBAL ID：201902210129667317   整理番号：19A2668289

深部多次保存重量圧密によるAlzheimer病進行の連続モデリング【JST・京大機械翻訳】

Continually Modeling Alzheimer’s Disease Progression via Deep Multi-order Preserving Weight Consolidation

著者 (2件)： Zhang Jie (School of Computing, Informatics, and Decision Systems Engineering, Arizona State University, Tempe, AZ, USA) ,  Wang Yalin (School of Computing, Informatics, and Decision Systems Engineering, Arizona State University, Tempe, AZ, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11765  ページ： 850-859  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： アルツハイマー病(AD)は認知症の最も一般的な型である。初期段階でADを追跡できるバイオマーカーの同定は,治療に成功するために重要である。多くの研究者は,疾患の進行に沿った価値ある縦断的画像情報を用いて認知障害を予測するモデルを開発した。しかしながら,以前の方法は,孤立した単一タスクモードまたはマルチタスクバッチモードのどちらかにおいて問題をモデル化する。それは,縦データが常に連続時間シーケンスに到着し,現実には,学習モデルを適用するための豊富なタイプの縦データが存在するという事実を無視している。この目的のために,著者らは,提案した新しいDeep多次保存W8Consolidation(DMoPWC)を介して,時間シーケンスにおけるAD進行を連続的にモデル化し,異なる時間点での異なる認知測度間の相互および内部関係を発見し,画像特徴と臨床スコア間の関連の学習を強化するためにそのような関係を利用した。(2)古いデータにアクセスすることなく,以前に学習された知識を忘れることを克服するために,新しい縦方向の患者の画像を連続的に学習する。さらに,再帰ニューラルネットワークの最近のブレークスルーに触発されて,DMoPWCの統計的電力をさらに強化するための時間順序知識を考慮し,特定の時間における特徴を,その時間的な時間における特徴の時間的に事前に予測する。縦脳画像データセットに関する経験的研究は,DMoPWCが他のAD予後アルゴリズムより優れた性能を達成することを実証した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *圧密 ,  予後 ,  測度 ,  認知症 ,  アルゴリズム ,  画像 ,  *モデリング ,  電力 ,  *Alzheimer病 ,  ニューラルネットワーク ,  バイオマーカー ,  ロット
準シソーラス用語： 脳画像 ,  スコア ,  認知障害 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  データベースシステム  (JD03030U) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 深部 ,  保存 ,  圧密 ,  Alzheimer病 ,  モデリング