文献

J-GLOBAL ID：202002238129329473   整理番号：20A2075145

ニューラルネットワークのためのスパースグループ入力変数による予測のための眼追跡刺激の選択:自閉症のバイオマーカー精密化に向けて【JST・京大機械翻訳】

Selection of Eye-Tracking Stimuli for Prediction by Sparsely Grouped Input Variables for Neural Networks: towards Biomarker Refinement for Autism

著者 (7件)： Li Beibin (University of Washington, USA) ,  Barney Erin (Seattle Children’s Research Institute) ,  Hudac Caitlin (Seattle Children’s Research Institute) ,  Nuechterlein Nicholas (University of Washington) ,  Ventola Pamela (Yale University) ,  Shapiro Linda (University of Washington) ,  Shic Frederick (Seattle Children’s Research Institute)
資料名： ACM Proceedings  (ACM Proceedings)
号： ETRA ’20  ページ： 1-8  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 眼追跡は自閉症スペクトラム障害(ASD)の研究における強力なツールになった。現在,大規模努力は,診断過程の形成,治療応答のモニタリング,予後の予測,またはスペクトルによるサブグループの同定の意図により,ASDのバイオマーカーとして使用される特定の眼追跡刺激を同定することを目的とする。しかし,数百の候補実験パラダイムがあり,その各々は数十または数百の個別刺激を含む。各刺激は,潜在的導出結果変数のアレイと関連し,従って,考慮した変数の数は,莫大である。標準変数選択技術は,選択が刺激レベルで行われ,個々の変数ではないので,この問題には適用できない。言い換えれば,これはグループ化された変数選択問題である。本研究では,グループ識別と臨床変数による回帰のための実験刺激を選択するために,ニューラルネットワーク(SGIN)のために,lasso,グループlasso,および新しい技術,Sparselyグループ化入力変数を適用した。9647の特徴を含む109の異なる刺激提示を含むバッテリーを投与されたASDの有無の子供から得たデータセットを用いて,109の刺激のうち11のみで,強いグループ分離を保持できた。本研究は,精神状態に対する眼追跡を用いて次世代バイオマーカーを反復的に精密化し,定義するためにエンジン周辺に設計された協奏技術のための段階をセットする。http://github.com/beibinli/SGINはhttp://github.com/beibinli/SGINであるPlease refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  スペクトル ,  特徴選択 ,  二次電池 ,  子供 ,  *自閉症 ,  予後 ,  精密化 ,  *バイオマーカー
準シソーラス用語： 治療反応性 ,  自閉症スペクトラム障害 ,  変数選択 , 【Automatic Indexing@JST】

著者キーワード (7件)： 自閉症 ,  眼追跡 ,  特徴選択 ,  グループ選択 ,  ニューラルネットワーク ,  パラダイム選択 ,  刺激選択

分類 (2件)： 精神障害  (GR03000A) ,  生体計測  (EL03020C)

タイトルに関連する用語 (10件)： ニューラルネットワーク ,  グループ ,  変数 ,  予測 ,  眼 ,  追跡 ,  刺激 ,  自閉症 ,  バイオマーカー ,  精密化