文献

J-GLOBAL ID：202002230087427507   整理番号：20A1354785

アルツハイマー病における脳波信号の複雑性と同期に基づく分類方法【JST・京大機械翻訳】

Classification Methods Based on Complexity and Synchronization of Electroencephalography Signals in Alzheimer’s Disease

著者 (8件)： Nobukawa Sou (1Department of Computer Science, Chiba Institute of Technology, Narashino, Japan) ,  Yamanishi Teruya (2AI & IoT Center, Department of Management Information Science, Fukui University of Technology, Fukui, Japan) ,  Kasakawa Shinya (2AI & IoT Center, Department of Management Information Science, Fukui University of Technology, Fukui, Japan) ,  Nishimura Haruhiko (3Graduate School of Applied Informatics, University of Hyogo, Kobe, Japan) ,  Kikuchi Mitsuru (4Research Center for Child Mental Development, Kanazawa University, Kanazawa, Japan) ,  Kikuchi Mitsuru (5Department of Psychiatry & Behavioral Science, Kanazawa University, Ishikawa, Japan) ,  Takahashi Tetsuya (4Research Center for Child Mental Development, Kanazawa University, Kanazawa, Japan) ,  Takahashi Tetsuya (6Department of Neuropsychiatry, University of Fukui, Yoshida, Japan)
資料名： Frontiers in Psychiatry (Web)  (Frontiers in Psychiatry (Web))
巻： 11  ページ： 255  発行年： 2020年 
JST資料番号： U7095A  ISSN： 1664-0640  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 脳波(EEG)はAlzheimer病(AD)の潜在的診断法として長い間研究されている。ADの病理学的進行は皮質切断につながる。これらの切断は,異なる脳領域間の同期の程度により測定される機能的連結性変化として,また,広範な脳領域間の相互作用により生成される複雑な挙動における変化として現れる可能性がある。最近,クラスタリングアルゴリズムや分類法などの機械学習法が,機能的連結性の疾患関連変化を検出し,これらの変化の特徴を分類するために採用されている。EEG信号の複雑性もAD関連変化を反映することができるが,機械学習研究は複雑さの変化に焦点を合わせていない。したがって,本研究では,異なる機械学習アプローチを用いてADの特徴を検出するEEG信号の能力を,機能的接続性に焦点を当て,もう1つは信号複雑性に焦点を当てた。健常高齢参加者[健康コントロール(HC)]とAD患者のEEG信号における位相遅延指数(PLI)により推定した機能的連結性を調べた。マルチスケールエントロピーを用いて信号複雑度を推定した。サポートベクトルマシンを利用して,各周波数帯と複雑性成分における機能的連結性に基づくADの識別精度を比較した。さらに,同期と複雑性の間の関係を評価した。アルファ,ベータおよびガンマバンドの機能的連結性の同定精度は有意に高く(AUC1.0),複雑性の同定精度は十分に高かった(AUC0.81)。さらに,機能的連結性と複雑性の間の関係は,HC参加者とAD患者の両方で,様々な時間的スケールおよび地域特異的な依存性を示した。結論として,機能的連結性と複雑性の組合せは,ADの複雑な病理学的過程を反映する可能性がある。神経生理学的データへの両機械学習法の組み合わせの適用は,健康な脳と病的状態の両方でニューラルネットワークプロセスの新しい理解を提供する。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  相互作用 ,  *脳波 ,  ニューラルネットワーク ,  皮質 ,  連結性 ,  周波数帯 ,  *Alzheimer病 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： 神経生理学 ,  *複雑性 ,  クラスタリングアルゴリズム ,  脳領域 ,  脳波信号 , 【Automatic Indexing@JST】

著者キーワード (4件)： アルツハイマー病 ,  脳波検査 ,  複雑性機能的連結性 ,  機械学習

分類 (3件)： 生体計測  (EL03020C) ,  神経系の診断  (GN02000H) ,  脳・神経系モデル  (EL02050C)

引用文献 (78件)：

• Spalletta G, Musicco M, Padovani A, Perri R, Fadda L, Canonico V, et al. Neuropsychiatric symptoms and syndromes in a large cohort of newly diagnosed, untreated patients with Alzheimer disease. Am J Geriatr Psychiatry (2010) 18:1026-35. doi: doi: 10.1097/JGP.0b013e3181d6b68d
• McKhann GM, Knopman DS, Chertkow H, Hyman BT, Jack CRJr., Kawas CH, et al. The diagnosis of dementia due to Alzheimer's disease: Recommendations from the national institute on Aging-Alzheimer's Association workgroups on diagnostic guidelines for Alzheimer's disease. Alzheimers Demen (2011) 7:263-9. doi: doi: 10.1016/j.jalz.2011.03.005
• Sperling RA, Aisen PS, Beckett LA, Bennett DA, Craft S, Fagan AM, et al. Toward defining the preclinical stages of Alzheimer's disease: Recommendations from the national institute on Aging-Alzheimer's association workgroups on diagnostic guidelines for Alzheimer's disease. Alzheimers Demen (2011) 7:280-92. doi: doi: 10.1016/j.jalz.2011.03.003
• Ewers M, Sperling RA, Klunk WE, Weiner MW, Hampel H. Neuroimaging markers for the prediction and early diagnosis of Alzheimer's disease dementia. Trends Neurosci (2011) 34:430-42. doi: doi: 10.1016/j.tins.2011.05.005
• Sims R, Van Der Lee SJ, Naj AC, Bellenguez C, Badarinarayan N, Jakobsdottir J, et al. Rare coding variants in PLCG2, ABI3, and TREM2 implicate microglial-mediated innate immunity in Alzheimer's disease. Nat Genet (2017) 49:1373-84. doi: doi: 10.1038/ng.3916

タイトルに関連する用語 (4件)： アルツハイマー病 ,  脳波信号 ,  複雑性 ,  分類方法