文献

J-GLOBAL ID：201902284115681123   整理番号：19A2669097

双方向教師付きサンプル選択を用いた新生児MRIからの進行性乳児脳結合性進化予測【JST・京大機械翻訳】

Progressive Infant Brain Connectivity Evolution Prediction from Neonatal MRI Using Bidirectionally Supervised Sample Selection

著者 (6件)： Ghribi Olfa (BASIRA Lab, Faculty of Computer and Informatics, Istanbul Technical University, Istanbul, Turkey) ,  Ghribi Olfa (National School of Engineering of Sfax, University of Sfax, Sfax, Tunisia) ,  Li Gang (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA) ,  Lin Weili (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA) ,  Shen Dinggang (Department of Radiology and BRIC, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA) ,  Rekik Islem (National School of Engineering of Sfax, University of Sfax, Sfax, Tunisia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11843  ページ： 63-72  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： 初期の出生後発生期は高度に動的であり,脳接合部は成長とせん定過程の両方を受ける。典型的な脳連結性進化の理解は,異常な結合発達パターンをスポットすることを可能にする。しかし,これは一般的に,出生後の発生の最初の年を密にカバーする縦神経画像データセットの取得を必要とする。これは,新生児追跡スキャンが臨床設定でほとんど得られないため,容易には検討できない。さらに,後の脳スキャンの獲得のための待ちは,早期神経発達障害診断を妨げる。この問題を解決するために,出生時に取得された単一構造磁気共鳴画像(MRI)から新生児脳のコネトーム進化を予測するために,連続観察間の時間依存性を活用しながら,二方向に監視されたサンプル選択フレームワークを提案した。具体的には,別の訓練接続を予測するための一つの訓練接続を用いることにより得られる期待予測スコアに対して,ペアワイズ新生児接続の空間からの回帰の双方向集合を監督的に訓練することにより,最良の訓練サンプルを選択する方法を提案した。提案された教師つきアンサンブル学習は時間依存性であり,グランドトルースベースライン観測において固定された想起メモリを有しており,結合型進化軌道を通して以前の予測を徐々に通過させることができる。次に,[数式:原文を参照]における試験コネトームを予測するために,フォローアップ時点[数式:原文を参照]におけるアンサンブルによるそれらの期待される予測スコアに基づいて,現在の時点[数式:原文を参照]における訓練サンプルをランク付けした。著者らのフレームワークは,leave-one-out交差検証において比較方法を著しく上回った。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： 記憶装置 ,  走査 ,  *乳児 ,  等級づけ ,  時間依存性 ,  *新生児 ,  接合部 ,  *連結性 ,  NMRイメージング ,  *予測
準シソーラス用語： フォローアップ ,  アンサンブル学習 ,  スコア ,  神経発達障害 ,  出生 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (10件)： 双方向 ,  教師 ,  サンプル ,  新生児 ,  MRI ,  乳児 ,  脳 ,  結合性 ,  進化 ,  予測