文献

J-GLOBAL ID：202002225459015861   整理番号：20A0501365

自動MR脳画像分類とAD診断のための特徴分解とカーネル判別分析(kDa)の組合せによる分類アルゴリズム【JST・京大機械翻訳】

A Classification Algorithm by Combination of Feature Decomposition and Kernel Discriminant Analysis (KDA) for Automatic MR Brain Image Classification and AD Diagnosis

著者 (3件)： Elahifasaee Farzaneh ( Department of Instrument Science and Engineering, School of SEIEE, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Li Fan ( Department of Instrument Science and Engineering, School of SEIEE, Shanghai Jiao Tong University, Shanghai 200240, China) ,  Yang Ming ( Department of Instrument Science and Engineering, School of SEIEE, Shanghai Jiao Tong University, Shanghai 200240, China)
資料名： Computational and Mathematical Methods in Medicine (Web)  (Computational and Mathematical Methods in Medicine (Web))
巻： 2019  ページ： Null  発行年： 2019年 
JST資料番号： U7693A  ISSN： 1748-670X  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： 磁気共鳴(MR)イメージングは,アルツハイマー病(AD)や軽度認知障害(MCI)のような脳疾患により引き起こされる脳解剖学的変化の検出のための広く用いられている画像診断法である。ADは,進行性記憶障害を伴う不可逆的神経変性障害と考えられているが,MCIは年齢関連認知的弱化の間の移行期と考えられる。MR画像解析を用いたADコンピュータ支援診断を目的として,多数の機械学習アプローチが検討されている。逆に,MR脳画像変化は,老化や認知症のような異なる効果により引き起こされる可能性がある。関連する画像特徴を抽出し,異なるグループの被験者を分類することは依然として困難である。本論文は,進行性MCI(pMCI)対正常対照(NC),AD対NC,およびpMCI対安定MCI(sMCI)の分類のための特徴分解とカーネル判別分析(KDA)に基づく自動分類技術を提案する。特徴分解は,特徴における非クラス特異成分からのクラス特異成分の分離に使用される辞書学習に基づいている。一方,KDAは,元の非線形分離可能特徴空間を線形性のある分離可能な特徴に写像するために適用される。提案した技術は,アルツハイマー病神経画像化イニシアティブ(ADNI)データセットから,198人のAD患者,167人のpMCI,236人のsMCI,および229人のNCから成る830人の被験者からT1強調MR脳画像を使用することにより評価される。実験結果は,それぞれ90.41%,84.29%,および65.94%の分類精度(ACC)が,AD対NC,pMCI対NC,およびpMCI対sMCIの分類のために達成でき,提案した方法の有望な性能を示すことを実証した。Copyright 2019 Farzaneh Elahifasaee et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 不可逆性 ,  機械学習 ,  画像特性 ,  画像診断 ,  NMRイメージング ,  磁気共鳴 ,  *判別分析 ,  計算機診断 ,  画像処理 ,  自動分類 ,  Alzheimer病 ,  脳疾患 ,  記憶障害 ,  認知症 ,  解剖学

分類 (1件)： 神経系の診断  (GN02000H)

引用文献 (56件)：

• R. Cuingnet, E. Gerardin, J. Auzias et al., "Automatic classification of patients with Alzheimer’s disease from structural MRI: a comparison of ten methods using the ADNI database," NeuroImage, vol. 56, no. 2, pp. 766-781, 2011.
• D. Zhang, Y. Wang, L. Zhou, H. Yuan, D. Shen, "Multimodal classification of Alzheimer’s disease and mild cognitive impairment," NeuroImage, vol. 55, no. 3, pp. 856-867, 2011.
• R. Casanova, F. C. Hsu, "Classification of structural MRI images in Alzheimer’s disease from the perspective of Ill-posed problems," PLoS One, vol. 7, no. 10, 2012.
• K. Goel, R. Vohra, A. Bakshi, "A novel feature selection and extraction technique for classification," 14th International Conference on Frontiers in Handwriting Recognition, IEEE, Crete, Greece, September 2014.
• M. Liu, D. Zhang, D. Shen, Alzheimer’s Disease Neuroimaging Initiative, "Ensemble sparse classification of Alzheimer’s disease," NeuroImage, vol. 60, no. 2, pp. 1106-1116, 2012.

タイトルに関連する用語 (10件)： MR ,  脳画像 ,  分類 ,  AD ,  診断 ,  分解 ,  カーネル ,  判別分析 ,  組合せ ,  分類アルゴリズム