文献

J-GLOBAL ID：202002222171820743   整理番号：20A0549716

安静状態fMRIを用いた関節MMSE予測によるAlzheimer病の3D-深層学習に基づく自動診断【JST・京大機械翻訳】

3D-Deep Learning Based Automatic Diagnosis of Alzheimer’s Disease with Joint MMSE Prediction Using Resting-State fMRI

著者 (9件)： Duc Nguyen Thanh (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), Gwangju, South Korea) ,  Ryu Seungjun (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), Gwangju, South Korea) ,  Qureshi Muhammad Naveed Iqbal (Translational Neuroimaging Laboratory, The McGill University Research Center for Studies in Aging (MCSA), McGill University, Montreal, QC, Canada) ,  Qureshi Muhammad Naveed Iqbal (Alzheimer’s Disease Research Unit, Douglas Mental Health University Institute, McGill University, Montreal, QC, Canada) ,  Qureshi Muhammad Naveed Iqbal (Department of Psychiatry, McGill University, Montreal, QC, Canada) ,  Choi Min (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), Gwangju, South Korea) ,  Lee Kun Ho (National Research Center for Dementia, Chosun University, Gwangju, South Korea) ,  Lee Kun Ho (Department of Biomedical Science, Chosun University, Gwangju, South Korea) ,  Lee Boreom (Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), Gwangju, South Korea)
資料名： Neuroinformatics  (Neuroinformatics)
巻： 18  号： 1  ページ： 71-86  発行年： 2020年 
JST資料番号： W4800A  ISSN： 1539-2791  資料種別： 逐次刊行物 (A)
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： 本研究は,1)アルツハイマー病(AD)の診断のための新しい深部学習法を評価し,2)ADを有する韓国人患者のミニ精神状態検査(MMSE)スコアを共同で予測することを目的とした。331人の参加者の静止状態機能的磁気共鳴画像(RS-fMRI)スキャンを用いて,分類および回帰タスクにおける特徴として使用するための機能的三次元(3-D)独立成分空間マップを得た。分類タスクのために,三次元畳込みニューラルネットワーク(CNN)アーキテクチャを開発した。MMSEスコアは,線形最小二乗回帰(LLSR),サポートベクトル回帰,Baggingivalisベースのアンサンブル回帰,およびグループ独立成分分析(GICA)特徴によるツリー回帰を用いて予測した。MMSE回帰性能を改善するために,最小絶対収縮と選択演算子を含む特徴最適化法とサポートベクトルマシンベース再帰特徴除去(SVM-RFE)を適用した。平均平衡試験精度はAD対健常対照の分類に対して85.27%であった。内側視覚,デフォルトモード,背側注意,実行,聴覚関連ネットワークは主にADと関連していた。SVM-RFE特徴と組み合わせたGICAに適用したLLSR法による最大臨床MMSEスコア予測精度は,最低二乗平均誤差(3.27±0.58)と最高R2値(0.63±0.02)を有した。ADと健常対照の分類は,RS-fMRIのみを用いて成功裏に達成でき,MMSEスコアは機能的独立成分特徴を用いて正確に予測できる。訓練された臨床医の欠如において,AD疾患状態と臨床MMSEスコアは,RS-fMRIデータによる3-D深い学習と回帰学習アプローチを用いて,共同で予測することができた。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最小二乗法 ,  *安静 ,  聴覚 ,  *学習 ,  計算機アーキテクチャ ,  ネットワーク ,  視覚 ,  *Alzheimer病 ,  最適化 ,  走査 ,  独立成分分析 ,  *三次元 ,  線形性
準シソーラス用語： *ミニメンタルステート検査 ,  *機能的MRI , 【Automatic Indexing@JST】

著者キーワード (6件)： アルツハイマー病 ,  ミニ精神状態検査 ,  グループICA ,  3-D CNN ,  LASSO ,  再帰的特徴除去

分類 (3件)： 神経系の診断  (GN02000H) ,  神経系の疾患  (GN03000O) ,  神経の臨床医学一般  (GN01030H)

タイトルに関連する用語 (9件)： 安静 ,  fMRI ,  関節 ,  MMSE ,  予測 ,  Alzheimer病 ,  3D ,  深層学習 ,  自動診断