文献

J-GLOBAL ID：201902219251669371   整理番号：19A2253278

マルチレベルテンプレートに基づく脳機能ネットワークの特徴選択と分類【JST・京大機械翻訳】

Brain function network feature selection and classification based on multi-level template

著者 (6件)： Wu Hao (太原理工大学信息与計算机学院,山西晋中,030600) ,  Wang Xincan (太原理工大学芸術学院,山西晋中,030600) ,  Li Xinyun (太原理工大学信息与計算机学院,山西晋中,030600) ,  Liu Zhifen (山西医科大学第一医院精神衛生科,太原,030000) ,  Chen Junjie (太原理工大学信息与計算机学院,山西晋中,030600) ,  Guo Hao (太原理工大学信息与計算机学院,山西晋中,030600)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 39  号： 7  ページ： 1948-1953  発行年： 2019年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 単一脳画像テンプレートに基づく機能的連結ネットワークから抽出した特徴表現は患者群と正常群(NC)間の複雑なトポロジー差異を明らかにするのに不十分であり、従来のマルチテンプレートに基づく機能脳ネットワーク定義は独立テンプレートを多く採用し、テンプレート間の関連を欠いている。その結果,各テンプレートが構築した機能的脳ネットワークにおける潜在的トポロジー関連情報を無視した。上述の問題に対して、マルチレベル脳画像テンプレートと1種の関係誘導スパース(RIS)特徴選択モデルを用いる方法を提案した。まず第一に,関連のあるマルチレベル脳画像テンプレートを定義し,テンプレート間の潜在的関係をマイニングし,ネットワーク構造の差異を特徴付ける。次に,パラメータ最適化を,RIS特徴選択モデルによって行い,次に,群間の差異特徴を抽出した。最後に,サポートベクトルマシン(SVM)を用いて,分類モデルを構築し,そして,うつ病患者の診断に適用した。山西大学第一病院うつ病臨床診断データベースの実験結果により、マルチレベルテンプレートに基づく機能脳ネットワークはRIS特徴を有する選択方法で91.7%の分類精度を獲得でき、従来のマルチテンプレート方法の正確性より3ポイント高いことが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *特徴選択 ,  うつ病 ,  データベース ,  *ネットワーク ,  位相幾何学 ,  サポートベクトルマシン ,  ネットワーク構造
準シソーラス用語： 分類精度 ,  臨床診断 ,  パラメータ最適化 ,  スパース ,  特徴表現 ,  脳画像 ,  *脳機能 ,  *マルチレベル , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： マルチレベル ,  テンプレート ,  脳機能 ,  特徴選択 ,  分類