文献
J-GLOBAL ID:201902276698163662   整理番号:19A0301657

マルチモーダル脳イメージング遺伝学のための特徴選択による高速マルチタスクSCCA学習【JST・京大機械翻訳】

Fast Multi-Task SCCA Learning with Feature Selection for Multi-Modal Brain Imaging Genetics
著者 (8件):
資料名:
巻: 2018  号: BIBM  ページ: 356-361  発行年: 2018年 
JST資料番号: W2441A  資料種別: 会議録 (C)
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:
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。
脳イメージング遺伝学は,単一ヌクレオチド多型(SNP)と画像定量的特性(QT)のような遺伝子型データの統合を介して脳構造と機能の遺伝的基礎を研究する。この領域において,多重タスク学習(MTL)とスパース正準相関分析(SCCA)法の両方が,それらがそれらの独立およびペアワイズ単変量解析より優れているので,広く使用されている。MTL法は一般的に少数のQTを組み込み,多数のQTからの特徴選択のために設計されていない。一方,既存のSCCA法は,典型的には,SNPとの関連を研究するために,QTsの1つのモダリティのみを使用する。MTLとSCCAの両方は,SNPの数が増加するにつれて計算上の課題に遭遇する。本論文では,MTLとSCCAの長所を組み合わせて,SNPとマルチモードイメージングQTの間の二重多変量相関を同定するための新しいマルチタスクSCCA(MTSCCa)学習フレームワークを提案した。MTSCCaは,異なる画像モダリティによって運ばれる相補的情報を利用することができた。G_2,1ノルム正則化を用いて,MTSCCaは,グループレベルでスパース性を強化するために,同じグループですべてのSNPを扱う。l_2,1ノルムペナルティを用いて,SNPのための複数のタスクを横切る特徴を共同的に選択し,QTのための複数のモダリティを横切る。高速最適化アルゴリズムを,SNPsの分類情報を用いて提案した。従来のSCCA法と比較して,MTSCCaは相関係数と正準重みパターンの両方に関して改善された性能を得た。加えて,著者らの方法は非常に高速で実行が容易であり,したがって,ゲノム全体の脳ワイド画像化遺伝学的研究のための強力なツールを提供することができた。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】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る