文献

J-GLOBAL ID：201902260359257183   整理番号：19A1347052

スパース順序ロジスティック回帰とその脳復号化への応用【JST・京大機械翻訳】

Sparse Ordinal Logistic Regression and Its Application to Brain Decoding

著者 (5件)： Satake Emi (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Majima Kei (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Aoki Shuntaro C. (ATR Computational Neuroscience Laboratories, Kyoto, Japan) ,  Kamitani Yukiyasu (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Kamitani Yukiyasu (ATR Computational Neuroscience Laboratories, Kyoto, Japan)
資料名： Frontiers in Neuroinformatics (Web)  (Frontiers in Neuroinformatics (Web))
巻： 12  ページ： 51  発行年： 2018年 
JST資料番号： U7084A  ISSN： 1662-5196  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 多変量分類と回帰による脳復号化は,集団神経活動においてコード化された情報を特徴付けるための強力なフレームワークを提供した。分類と回帰モデルをそれぞれ用いて,関心の離散的および連続的変数を予測した。しかし,復号化することが望まれる認知的および行動的パラメータは,主観的評価のような離散的であるが,順序付けされた通常の変数である。今日まで,脳復号化における順序変数を予測する確立された方法はない。本研究では,従来のロジスティック回帰とBayesスパース重み推定を組み合わせた,新しいアルゴリズム,スパース順序ロジスティック回帰(SOLR)を提案した。実際の機能的磁気共鳴画像(fMRI)データを用いたシミュレーションと解析の両方において,SOLRは非スパース正則化による通常のロジスティック回帰を上回り,スパース性がより良い復号化性能をもたらすことを示した。また,SOLRは,同じタイプのスパース性を有する分類および線形回帰モデルを実行し,順序出力に対して調整されたモデリングの利点を示した。著者らの結果は,SOLRが順序変数の復号化と有効な方法を提供することを示唆した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Bayes推定 ,  アルゴリズム ,  *復号化 ,  モデリング ,  正則化 ,  主観評価 ,  回帰モデル
準シソーラス用語： 線形回帰モデル ,  スパース性 ,  機能的MRI ,  動的パラメータ ,  神経活動 ,  多変量 ,  *ロジスティック回帰分析 ,  *スパース , 【Automatic Indexing@JST】

著者キーワード (5件)： 復号化 ,  機能的磁気共鳴イメージング ,  順序ロジスティック回帰 ,  Bayes推定 ,  Sparseness

分類 (5件)： 医用情報処理  (JE15030Q) ,  看護,看護サービス  (GB07000G) ,  医用画像処理  (JE04020T) ,  ディジタル計算機方式一般  (JC02010O) ,  パターン認識  (JE07000S)

引用文献 (29件)：

• Attias H. (1999). "Inferring parameters and structure of latent variable models by variational Bayes," in Proceedings 15th Conference on Uncertainty in Artificial Intelligence, (Stockholm: Morgan Kaufmann Pub), 21-30.
• Baucom L. B., Wedell D. H., Wang J., Blitzer D. N., Shinkareva S. V. (2012). Decoding the neural representation of affective states. Neuroimage 59, 718-727. doi: 10.1016/j.neuroimage.2011.07.037
• Bishop C. (2006). Pattern Recognition and Machine Learning. New York, NY: Springer. doi: 10.1016/j.neuroimage.2011.07.037
• Chang L. J., Gianaros P. J., Manuck S. B., Krishnan A., Wager T. D. (2015). A sensitive and specific neural signature for picture-induced negative affect. PLoS Biol. 13:e1002180. doi: 10.1371/journal.pbio.1002180
• Chartrand R., Yin W. (2008). "Iteratively reweighted algorithms for compressive sensing," in IEEE International Conference on Acoustics, Speech and Signal Processing (Las Vegas, NV), 3869-3872 doi: 10.1371/journal.pbio.1002180

タイトルに関連する用語 (5件)： 順序 ,  ロジスティック回帰 ,  脳 ,  復号化 ,  応用