抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
注意欠陥多動性障害(ADHD)は,数百万人の子供に影響を及ぼし,多くの時間を成人期に影響する精神状態である。人がADHDを持つかどうかを示すことができる単一試験はない。症状は,人から人まで変化する。従って,多くの身体疾患とは反対にADHDを診断することは困難である。本研究の目的は,ヒトの努力を最小化し,ADHDの診断の精度を向上させる方法を作成することである。26名の被験者から構造的磁気共鳴画像(MRI)を収集した:11名の対照および15名のADHDと診断された小児。データは,NPIstanbul神経精神病院から提供された。ADHDを診断するための自動,有効,迅速,正確なフレームワークを開発した。モデルを,Matlab機械学習ツールボックスを用いて,k-最近傍アルゴリズム(KNN)およびナイーブBayes上に構築した。形状とテクスチャ特徴抽出技術を用いた。面積,ペリメータ,偏心度,等価距離,MajorAxis長,MinorAxis長,配向は形状特徴抽出技術のために使用される特性である。磁気共鳴画像のテクスチャ特徴を,最初(平均,分散,歪度,尖度)および二次統計(コントラスト,相関,均一性,エネルギー)ベースの特徴抽出技術で表した。灰色および白色領域をk-平均アルゴリズムを用いて抽出した。これらの領域から形状とテクスチャ法により局所特徴を抽出した。グローバル特徴を,グレイレベル共起法と呼ばれる二次統計で抽出した。最も重要な属性は主成分分析を用いて決定した。実験は,26例を含む完全な訓練データセットで行い,5回交差検証をランダムサンプリング訓練とテストセットのために採用した。提案した方法を用いて,ADHDを100%の精度で分類することに成功した。著者らの研究の結果は,ADHDを診断する努力において医師を知らせることによって数医療過誤を減少させるであろう。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】