文献

J-GLOBAL ID：202002260615112831   整理番号：20A2274514

脳損傷のための学習によるグラフマッチングベースのコネクトミクスバイオマーカー【JST・京大機械翻訳】

Graph Matching Based Connectomic Biomarker with Learning for Brain Disorders

著者 (6件)： Shen Rui Sherry (Diffusion and Connectomics in Precision Healthcare Research Lab, Perelman School of Medicine, University of Pennsylvania, Philadelphia, USA) ,  Alappatt Jacob A. (Diffusion and Connectomics in Precision Healthcare Research Lab, Perelman School of Medicine, University of Pennsylvania, Philadelphia, USA) ,  Parker Drew (Diffusion and Connectomics in Precision Healthcare Research Lab, Perelman School of Medicine, University of Pennsylvania, Philadelphia, USA) ,  Kim Junghoon (Department of Molecular, Cellular, and Biomedical Sciences, CUNY School of Medicine, City College of New York, New York City, USA) ,  Verma Ragini (Diffusion and Connectomics in Precision Healthcare Research Lab, Perelman School of Medicine, University of Pennsylvania, Philadelphia, USA) ,  Osmanlioglu Yusuf (Diffusion and Connectomics in Precision Healthcare Research Lab, Perelman School of Medicine, University of Pennsylvania, Philadelphia, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12443  ページ： 131-141  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 拡散MRIや機能的MRIのような神経画像技術の進歩は,接続ームと呼ばれる情報処理ネットワークとしての脳の評価を可能にした。コネクトミー解析は,疾患によるその病理学的変化の組織に関する多数の知見をもたらし,診断および予後を助けるイメージングベースのバイオマーカーを提供する。接続性バイオマーカーの大多数は,脳ネットワーク構造を評価するグラフ理論的手段から,または,ユークリッド距離またはピアソン相関のような標準計量を用いて,相互接続間関係を示す。しかし,そのような方法は,個々のコネクトーム間の差を同時に測定せず,疾患特異的パターンを組み込むこと,およびネットワーク構造情報を利用するため,疾患の診断評価において制限される。これらの限界に取り組むために,著者らは,機能的システムレベルで病気のために訓練され,疾患を評価する主題特異的バイオマーカーを提供するために,結合体類似性を定量化するためのグラフマッチングベースの方法を提案した。外傷性脳障害患者のデータセットに関する著者らの尺度を検証し,著者らの尺度が,通常使用されるコネクトミー類似性尺度と比較して患者と対照の間のより良い分離を達成することを実証した。さらに,この方法のパラメータ調整面を利用して,この疾患に対する機能システムの脆弱性を評価した。最後に,著者らの類似性スコアは臨床スコアと相関し,疾患に対する被験者特異的バイオマーカーとしてのその可能性を強調した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  グラフ理論 ,  情報処理 ,  ネットワーク ,  相互接続 ,  画像処理 ,  ネットワーク構造 ,  予後 ,  類似性 ,  *バイオマーカー ,  *脳損傷
準シソーラス用語： *グラフマッチング ,  機能的MRI ,  Euclid距離 ,  コネクトーム , 【Automatic Indexing@JST】

著者キーワード (6件)： グラフ編集距離 ,  編集コストの学習 ,  グラフマッチング ,  MCMC ,  コネクトーム ,  イメージングバイオマーカー

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (3件)： 脳損傷 ,  学習 ,  グラフマッチング