文献

J-GLOBAL ID：202002270692884834   整理番号：20A2274468

自閉症の早期診断のための有益な特徴誘導シームスネットワーク【JST・京大機械翻訳】

Informative Feature-Guided Siamese Network for Early Diagnosis of Autism

著者 (4件)： Gao Kun (Department of Radiology and Biomedical Research Imaging Center, University of North Carolina at Chapel Hill, Chapel Hill, USA) ,  Sun Yue (Department of Radiology and Biomedical Research Imaging Center, University of North Carolina at Chapel Hill, Chapel Hill, USA) ,  Niu Sijie (Department of Radiology and Biomedical Research Imaging Center, University of North Carolina at Chapel Hill, Chapel Hill, USA) ,  Wang Li (Department of Radiology and Biomedical Research Imaging Center, University of North Carolina at Chapel Hill, Chapel Hill, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12436  ページ： 674-682  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： 自閉症または自閉症スペクトラム障害(ASD)は,複雑な発達障害であり,通常,行動に基づいて約3~4歳の観察で診断される。研究は,特に最初の2年間の初期脳発達中の早期治療が症状を有意に改善し,従って,できるだけ早くASDを同定することが重要であることを示した。ほとんどの以前の研究はASDの早期診断のためのイメージングベースのバイオマーカーを採用した。しかし,それらは,セグメンテーションと区画化マップからより有益なガイダンスを無視して,強度画像から特徴を抽出することに焦点を当てた。さらに,自閉症被験者の数は常に正常被験者のそれよりはるかに小さいので,このクラス不均衡問題はASD診断をより困難にする。本研究では,早期ASD診断のためのエンドツーエンド情報特徴誘導Siameseネットワークを提案した。特に,T1wとT2w画像に加えて,セグメンテーションと区画化マップからの識別特徴も用いて,モデルを訓練した。クラス不均衡問題を軽減するために,Siameseネットワークを利用して,入力の対が同じクラスまたは異なるクラスに属することを効果的に学習した。さらに,被験者特有の注意モジュールを組み込み,エンドツーエンド完全自動学習方式でASD関連領域を同定した。アブレーション研究と比較は,提案した方法の有効性を示し,85.4%の全精度,80.8%の感度,および86.7%の特異性を達成した。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 ,  セグメンテーション ,  *ネットワーク ,  画像処理 ,  エンドツーエンド方式 ,  *自閉症 ,  有効性 ,  アブレーション ,  *早期診断 ,  バイオマーカー
準シソーラス用語： 被験者 ,  早期治療 ,  特異性 ,  自閉症スペクトラム障害 ,  発達障害 , 【Automatic Indexing@JST】

著者キーワード (4件)： 早期診断 ,  Siamesネットワーク ,  被験者特有の注意 ,  自閉症スペクトラム障害

分類 (1件)： 精神障害の診断  (GR02000T)

タイトルに関連する用語 (3件)： 自閉症 ,  早期診断 ,  誘導