文献

J-GLOBAL ID：202002211630958158   整理番号：20A2205768

畳込みニューラルネットワークを用いた脳機能連結性の分類【JST・京大機械翻訳】

Classification of Brain Functional Connectivity using Convolutional Neural Networks

著者 (4件)： Shahriman W N S (School of Biomedical Engineering and Health Sciences, Faculty of Engineering, UniversitiTeknologi Malaysia, Skudai, Johor Bahru, Malaysia.) ,  Phang C R (School of Biomedical Engineering and Health Sciences, Faculty of Engineering, UniversitiTeknologi Malaysia, Skudai, Johor Bahru, Malaysia.) ,  Numan F (School of Biomedical Engineering and Health Sciences, Faculty of Engineering, UniversitiTeknologi Malaysia, Skudai, Johor Bahru, Malaysia.) ,  Ting C M (School of Biomedical Engineering and Health Sciences, Faculty of Engineering, UniversitiTeknologi Malaysia, Skudai, Johor Bahru, Malaysia.)
資料名： IOP Conference Series: Materials Science and Engineering  (IOP Conference Series: Materials Science and Engineering)
巻： 884  号： 1  ページ： 012003 (6pp)  発行年： 2020年 
JST資料番号： W5559A  ISSN： 1757-8981  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 神経画像データを用いて測定した脳連結性ネットワークの異常と変化は,様々な神経精神疾患に対するバイオマーカーとしてますます使用されている。背景:統合失調症(SCZ)は,脳ネットワークにおける障害性と関連する複雑な神経精神障害である。本論文では,脳波(EEG)連結性に基づく健常対照者とSCZ患者の自動分類のためのフレームワークを開発し,従来の人工ニューラルネットワーク(ANN)との分類性能を比較した。健常対照者とSCZ群の間の脳機能的連結性の分類のために畳込みニューラルネットワーク(CNN)を用いることを提案した。ベクトル自己回帰(VAR)モデルを用いて,統合失調症EEG信号から接続性特徴を抽出し,異なるEEG周波数帯での有向接続性を部分有向コヒーレンス(PDC)を介して計算した。結果は,高精度による分類がVARモデルを用いて達成可能であることを示した。その結果,CNNの性能は,CNNに対する良好な精度であると考えられる5倍交差検証で86.9%に達した。結果はまた,時間領域VAR特徴が周波数領域PDC特徴より良好に機能することを示した。CNNは,健康と統合失調症の脳連結性の間の分類において,より実用的な方法を提供する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コヒーレンス ,  自動分類 ,  *ネットワーク ,  脳波 ,  *ニューラルネットワーク ,  統合失調症 ,  連結性 ,  周波数帯 ,  精神障害 ,  バイオマーカー ,  周波数領域
準シソーラス用語： *脳機能 ,  ニューロイメージング ,  時間領域 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  脳機能 ,  連結性 ,  分類