脳状態分類のための多視点脳ハイパーコネクトーム自動符号器【JST・京大機械翻訳】

Banka Alin; Buzi Inis; Rekik Islem

文献

J-GLOBAL ID：202002261333139435 整理番号：20A2273818

脳状態分類のための多視点脳ハイパーコネクトーム自動符号器【JST・京大機械翻訳】

Multi-view Brain HyperConnectome AutoEncoder for Brain State Classification

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A2273818&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2273818&from=J-GLOBAL&jstjournalNo=H0078D") }}

著者 (3件)： , ,
資料名：
巻： 12329 ページ： 101-110 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)

グラフ埋込みは,脳連結性マッピング,予測および分類のための低次元空間におけるグラフ神経データ(例えば,脳接続)を表現する強力な方法である。しかし,既存の埋込みアルゴリズムには2つの主要な制限がある。第1に,それらは,ノード間の1対1トポロジー関係(すなわち,コネクトームにおける関心領域(ROI))の保存に主に焦点を合わせ,しかし,それらは,ハイパーコネクトーム構造を用いて捉えることができる多くの対人関係(すなわちセットセット)をほとんど無視した。第二に,既存のグラフ埋込み技術は,不均一分布を有するマルチビューグラフデータに容易に適応できない。本論文では,超グラフ理論による交差受粉敵対的深層学習について,被験者固有の多視点脳グラフの深い潜在埋込みを,最終的に,Alzheimer病(AD)対軽度認知障害(MCI)のような異なる脳状態を解きほぐために学習することを目指した。第1に,著者らは,ROIの対を横断する接続性を保存するために,最近傍アルゴリズムに基づく各脳ビューのためのハイパーコネクトームを構築するための新しい簡単な戦略を提案する。第2に,脳領域(即ち,グラフノード)間の多対多関係をよりよく捉えるために,ハイパーグラフ畳込み層に基づくマルチビューハイパーコネクトーム上で直接動作するハイパーコネクトームオートエンコーダ(HCAE)フレームワークを設計した。各被験者に対して,著者らは,元のハイパーコネクトーム分布を有する学習ハイパーコネクトーム埋込みの分布を整列させるために,敵対的正則化によって超グラフ自動符号化をさらに正則化した。与えられた被験者に対して最適化するために,幾何学的な深層学習フレームワークの中で,ハイパーコネクトーム埋込みを定式化し,それによって,個々のベース学習フレームワークを設計した。著者らの実験は,HCAE収率による学習埋込みが,深いグラフベースの自動符号化法と比較して,AD/MCI分類のためにより良い結果をもたらすことを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

パターン認識 , 医用画像処理 , 図形・画像処理一般 , システム・制御理論一般

, , ,

前のページに戻る