文献

J-GLOBAL ID：201902247590038201   整理番号：19A2873276

統合失調症のコンピュータ支援診断のための多様式低ランク学習融合一次および二次情報【JST・京大機械翻訳】

Multi-modality Low-Rank Learning Fused First-Order and Second-Order Information for Computer-Aided Diagnosis of Schizophrenia

著者 (6件)： Li Huijie (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Li Huijie (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing, China) ,  Zhu Qi (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Zhu Qi (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing, China) ,  Zhang Rui (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Zhang Daoqiang (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11936  ページ： 356-368  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： 脳疾患を診断するための脳機能的連結性ネットワーク(bfCN)に基づく方法は,大きな利点を示した。現在,ほとんどのbfCN構築戦略は,ピアソン相関係数法のような脳領域間の一次相関を計算するだけである。低次と高次のbfCN構築法の研究は存在するが,それらを統合するための研究は非常に少ない。すなわち,多モードbfCN特徴選択と分類法を設計し,低次と高次情報を結合する。これは脳疾患診断の性能に影響する可能性がある。この目的のために,著者らは,一次および二次bfCN情報を共同的に学習するマルチモダリティ低ランク学習フレームワークを提案し,それを統合失調症の診断に適用した。提案方法は,学習モデルにおけるマルチモダリティデータの相関情報を埋め込むだけでなく,理想的表現用語を結合することによって,一次と二次bfCNの間の協力を奨励する。3つの統合失調症データセット(全部で168人の患者と163人の正常対照を含む)の実験結果は,著者らの提案した方法が統合失調症の診断において有望な分類結果を達成することを示した。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： 連結性 ,  脳疾患 ,  ネットワーク ,  学習モデル ,  特徴選択 ,  *学習 ,  *統合失調症 ,  多モード ,  *計算機診断
準シソーラス用語： マルチモダリティ ,  分類法 ,  脳領域 ,  Pearson相関係数 ,  脳機能 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチモダリティ学習 ,  低ランク表現 ,  脳機能接続ネットワーク

分類 (2件)： 人工知能  (JE08000Z) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 統合失調症 ,  コンピュータ支援診断 ,  学習 ,  融合