文献

J-GLOBAL ID：202002215612705906   整理番号：20A0265938

自己正則化マルチインスタンス1クラスSVMを用いた中等度外傷性脳損傷の異常検出【JST・京大機械翻訳】

Anomaly Detection of Moderate Traumatic Brain Injury Using Auto-Regularized Multi-Instance One-Class SVM

著者 (2件)： Rasheed Waqas (Department of Electrical and Electronic Engineering, Centre for Intelligent Signal and Imaging Research (CISIR), Universiti Teknologi PETRONAS, Seri Iskandar, Malaysia) ,  Tang Tong Boon (Department of Electrical and Electronic Engineering, Centre for Intelligent Signal and Imaging Research (CISIR), Universiti Teknologi PETRONAS, Seri Iskandar, Malaysia)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 28  号： 1  ページ： 83-93  発行年： 2020年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  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： 中等度の外傷性脳損傷(mTBI)による機能障害の検出と定量は,臨床意思決定と機能療法のタイムリーな開始のために重要である。本研究では,機能的欠損を検出する手段として同期脳活動パターンを定量化するために,脳磁図(MEG)に基づく機能的連結性特徴,すなわちマグニチュード二乗コヒーレンス(MSC)と位相遅れ指数(PLI)を調べた。著者らは,健康な制御母集団から生成されたマルチインスタンス1クラスサポートベクトルマシン(SVM)モデルを提案した。モデルの決定境界からの分散はmTBI事例(GlasgowComaスケール,9と13の間のGCSスコア)の異常例として同定される。決定境界を,サポートベクトルとして負のクラスから最も近い異常(GCS=13)を考慮することによって最適化した。磁気共鳴イメージング(MRI)データに対して検証された高ベータバンドにおける提案モデルは,mTBIデータセットで試験したとき,94.19%の精度と90.00%の感度をもたらした。結果は,mTBIの検出のためのマルチインスタンス1クラスSVMの提案を支持した。Copyright 2020 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： 最適化 ,  脳磁図 ,  連結性 ,  NMRイメージング ,  意思決定 ,  母集団 ,  機能障害 ,  ベクトル ,  マグニチュード ,  コヒーレンス ,  *正則化
準シソーラス用語： 位相遅れ ,  脳活動 ,  異常検出 ,  *外傷性脳損傷 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 自己 ,  正則化 ,  マルチ ,  インスタンス ,  クラス ,  SVM ,  外傷性脳損傷 ,  異常検出