文献

J-GLOBAL ID：201902282841131005   整理番号：19A1604454

機能的脳結合性をモデル化するためのグラフモデルと動的潜在因子【JST・京大機械翻訳】

Graphical Models and Dynamic Latent Factors for Modeling Functional Brain Connectivity

著者 (3件)： Chang Andersen (Dept. of Statistics, Rice University, Houston, TX) ,  Yao Tianyi (Dept. of Statistics, Rice University, Houston, TX) ,  Allen Genevera I. (Dept. of Statistics, Computer Science, and Electrical and Computer Engineering, Rice University, Houston, TX)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： DSW  ページ： 57-63  発行年： 2019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： 現代の技術で,脳における数千のニューロンの活性を同時に記録することができる。このようなデータは,ニューロンが互いに通信する方法に光を当てる可能性がある。これらのニューロン相互作用は,記録されたニューロン活性間の統計的依存性として定義される機能的連結性の枠組みの下でしばしば見られる。ニューロン間の機能的連結性をニューロン記録データから直接推定するために,グラフィカルモデルを用いることがいくつか提案されている。しかし,従来のグラフィカルモデルでは扱われていないこのタイプのデータから生じる一つの挑戦は,記録されたニューロン活動に対する動的潜在的脳状態の影響であり,一つの実験セッションで記録されたニューロンは脳の全てのニューロンの小部分集合のみを構成する。これらの潜在的状態は,機能的連結性のより正確な推定を得るために説明されなければならない。本論文では,動的平均演算子(DYNAMO)と動的共分散演算子(Dynaco)条件付きGaussグラフモデルの2つのモデルを導入し,動的潜在脳状態を調整した後のニューロン活動データからの機能的連結性を推論した。DYNAMOとDynacoモデルを種々のシミュレーション研究に適用し,従来の無条件グラフィカルモデルよりも優れた性能を実証した。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： ニューロン ,  相互作用 ,  部分集合 ,  *モデリング ,  シミュレーション ,  連結性 ,  共分散
準シソーラス用語： DYNAMO ,  神経活動 ,  信念ネットワーク ,  *グラフモデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 脳 ,  結合性 ,  モデル化 ,  グラフモデル ,  因子