文献

J-GLOBAL ID：201902261552715436   整理番号：19A0462707

パーキンソン病における認知プロファイリングのための脳波ベース機械学習:予備的結果【JST・京大機械翻訳】

Electroencephalography-based machine learning for cognitive profiling in Parkinson’s disease: Preliminary results

著者 (12件)： Betrouni Nacim (University Lille, Inserm, CHU Lille, Degenerative & Vascular Cognitive Disorders, Lille, France) ,  Delval Arnaud (University Lille, Inserm, CHU Lille, Degenerative & Vascular Cognitive Disorders, Lille, France) ,  Delval Arnaud (Centre Hospitalier Universitaire Lille, Clinical Neurophysiology Department, Lille, France) ,  Chaton Laurence (University Lille, Inserm, CHU Lille, Degenerative & Vascular Cognitive Disorders, Lille, France) ,  Chaton Laurence (Centre Hospitalier Universitaire Lille, Clinical Neurophysiology Department, Lille, France) ,  Defebvre Luc (University Lille, Inserm, CHU Lille, Degenerative & Vascular Cognitive Disorders, Lille, France) ,  Defebvre Luc (Centre Hospitalier Universitaire Lille, Neurology and Movement Disorders Department, Lille, France) ,  Duits Annelien (Maastricht University Medical Center, Maastricht, The Netherlands) ,  Moonen Anja (Maastricht University Medical Center, Maastricht, The Netherlands) ,  Leentjens Albert F.G. (Maastricht University Medical Center, Maastricht, The Netherlands) ,  Dujardin Kathy (University Lille, Inserm, CHU Lille, Degenerative & Vascular Cognitive Disorders, Lille, France) ,  Dujardin Kathy (Centre Hospitalier Universitaire Lille, Neurology and Movement Disorders Department, Lille, France)
資料名： Movement Disorders  (Movement Disorders)
巻： 34  号： 2  ページ： 210-217  発行年： 2019年 
JST資料番号： W2689A  ISSN： 0885-3185  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:認知症状はパーキンソン病患者において一般的である。患者の認知プロファイルの特性化は,認知悪化の予測因子の同定に向けての必須段階である。【目的】本研究の目的は,特性化モデルを構築するために,静止状態EEGとデータマイニング技術の組合せの使用を調査することであった。【方法】パーキンソン病患者118名からの高密度EEGデータを,認知障害の重症度に従って5つの異なる群に分類した。7周波数帯内のスペクトルパワー解析をEEG信号で行った。100人の患者の得られた定量的EEG特徴を,2つの機械学習アルゴリズムを用いてマイニングし,特性化モデル,すなわち,サポートベクトルマシンとk-最近傍モデルを構築し,訓練した。次に,モデルを18人の患者からのデータに関してブラインドでテストした。結果:全体の分類精度は,サポートベクトルマシンとk-最近傍アルゴリズムに対して,それぞれ84%と88%であった。最悪の分類は,重度の認知障害を有する患者に対応して,小さなサンプルサイズを有する群からの患者に対して観察された。一方,将来の健康管理を計画するために正確な診断が必要とされる残りの群に対しては,分類は非常に正確であった。結論:これらの結果は,EEGの特徴が,非高価で,どこでも利用可能であり,患者からの最小の協力が,Parkinson病患者における認知障害の重症度を同定するスクリーニング法として使用できることを示唆する。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *Parkinson病 ,  スクリーニング ,  アルゴリズム ,  認知症 ,  キャラクタリゼーション ,  *機械学習 ,  学習アルゴリズム ,  *脳波 ,  サポートベクトルマシン ,  スペクトル ,  *学習 ,  健康管理 ,  周波数帯 ,  認知障害
準シソーラス用語： *プロファイリング , 【Automatic Indexing@JST】

著者キーワード (4件)： 特性化モデル ,  認知障害 ,  機械学習 ,  定量的EEG

分類 (1件)： 神経系の疾患  (GN03000O)

タイトルに関連する用語 (6件)： パーキンソン病 ,  認知 ,  プロファイリング ,  脳波 ,  ベース機械 ,  学習

ライセンス情報：
© 2018 International Parkinson and Movement Disorder Society