文献

J-GLOBAL ID：202002218706234208   整理番号：20A0492920

イメージングおよびゲノミクスデータ統合への応用を伴う深い主相関自動符号器【JST・京大機械翻訳】

Deep Principal Correlated Auto-Encoders With Application to Imaging and Genomics Data Integration

著者 (7件)： Li Gang (School of Electronic and Control Engineering, Chang’an University, Xi’an, China) ,  Wang Chao (School of Electronic and Control Engineering, Chang’an University, Xi’an, China) ,  Han De-Peng (School of Electronic and Control Engineering, Chang’an University, Xi’an, China) ,  Zhang Yi-Pu (School of Electronic and Control Engineering, Chang’an University, Xi’an, China) ,  Peng Peng (School of Electronic and Control Engineering, Chang’an University, Xi’an, China) ,  Calhoun Vince D. (Mind Research Network, Albuquerque, NM, USA) ,  Wang Yu-Ping (Department of Biomedical Engineering, Tulane University, New Orleans, LA, USA)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 20093-20107  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 統合失調症のような複雑な疾患に関して,より多くの研究は,重要な因子として遺伝的変異体と脳画像表現型を扱うことを始めている。本論文では,深い正準相関解析(DCCA)の弱点を克服するために,適格な最適化モデルを開発した。モデルは,マルチモダリティ線形特徴学習に関する主成分分析(PCA)とマルチモダリティ非線形特徴学習に関する多層信念ネットワークから成る。相関分析と分類のより良い結果を完成させるために,多層信念ネットワークの出力ノードを逆伝搬(BP)ネットワーク訓練のために使用する。正準相関解析(CCA)の解決に関する以前の研究は,典型的には,再構成目的を有するノルムまたは自動符号器のいくつかの形式を含む,深いニューラルネットワークまたは正則化に基づくいくつかのモデルを提案した。多くの既存の先進的モデルが,マルチモダリティデータにおける最大相関を見出すために開発された。しかしながら,これらのマルチモダリティデータは,サンプルのそれより多くの特徴次元の数を持つ傾向がある。これらの進歩したモデルとは異なり,提案したモデルを適用して,マルチモダリティデータの実集合を解析し,いくつかの以前のモデルを試験し,fMRIイメージングとSNPゲノミクスに関して実験的に比較した。実験において,結果は,著者らのモデル,深い主相関自動符号器(DPCAE)が,以前のモデルより効果的に高い相関と分類のより良い性能を有する学習特徴を学習することを示した。分類精度に関しては,データセットの分類精度は90%を超えるが,CCAベースモデルの分類精度は約65%であり,DNNベースモデルの分類精度は約80%であり,DPCAEの分類精度は明らかに改善された。クラスタ化性能評価の実験において,DPCAEはさらに,93.75%の平均正規化相互情報指数と3.8%の平均分類誤り率指数で,その優れた分類性能を検証した。最大相関分析に関して,このモデルは0.926の最大相関を有する他の先進モデルより優れており,高次元データ解析において優れた性能を示した。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： *データ融合 ,  統合失調症 ,  *画像処理 ,  表現型 ,  正規化 ,  学習 ,  ニューラルネットワーク ,  ネットワーク ,  ノルム ,  再構成 ,  主成分分析 ,  正則化 ,  *符号器 ,  クラスタ化 ,  多層

分類 (2件)： パターン認識  (JE07000S) ,  符号理論  (ND02030R)

タイトルに関連する用語 (6件)： イメージング ,  ゲノミクス ,  データ統合 ,  応用 ,  相関 ,  符号器