文献

J-GLOBAL ID：202002279148929861   整理番号：20A0834931

タスクベースの機能的MRIを用いた自閉症重症度レベルの等級付けのための機械学習アプローチ【JST・京大機械翻訳】

A Machine Learning Approach for Grading Autism Severity Levels Using Task-based Functional MRI

著者 (8件)： Haweel Reem (Faculty of Computer and Information Sciences, University of Ain Shams,Cairo,Egypt) ,  Dekhil Omar (University of Louisville,Bioengineering Department,Louisville,KY,USA) ,  Shalaby Ahmed (University of Louisville,Bioengineering Department,Louisville,KY,USA) ,  Mahmoud Ali (University of Louisville,Bioengineering Department,Louisville,KY,USA) ,  Ghazal Mohammed (Abu Dhabi University,Department of Electrical and Computer Engineering,Abu Dhabi) ,  Keynton Robert (University of Louisville,Bioengineering Department,Louisville,KY,USA) ,  Barnes Gregory (University of Louisville,Departrnent of Neurology,Louisville,KY,USA) ,  El-Baz Ayman (University of Louisville,Bioengineering Department,Louisville,KY,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IST  ページ： 1-5  発行年： 2019年 
JST資料番号： W2441A  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： 自閉症はコミュニケーションと社会的相互作用の困難さに関連する発達障害である。自閉症診断観察スケジュール(ADOS)は自閉症診断におけるゴールドスタンダードと考えられ,各個人に対する重症度レベルを説明するスコアを推定する。現在,脳画像モダリティは,自閉症スペクトラム障害(ASD)を診断するための客観的技術の開発のために研究されている。機能的活性の変化は自閉症原因因子の説明に重要であると信じられている。本論文では,タスクベースの機能的MRIデータを用いて,自閉症被験者の重症度レベルを格付けするための機械学習アプローチを提示した。脳の機能的活動に関連する局所的特徴を音声実験から得た。ADOS報告によると,採用されたデータセットは3つのグループに分類される:軽度,中等度,および重度である。この解析を2つの部分に分割した。(i)個々の被験者分析と(ii)より高いレベルのグループ分析。分類に用いた特徴を抽出するために個々の解析を用い,一方,より高いレベルの解析を用いてグループ間の統計的差異を推論した。得られた分類精度はランダム森林分類器を用いて78%であった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  等級づけ ,  *自閉症 ,  コミュニケーション
準シソーラス用語： ランダムフォレスト ,  分類精度 ,  被験者 ,  自閉症スペクトラム障害 ,  モダリティ ,  脳画像 ,  発達障害 ,  社会的相互作用 ,  *重症度 ,  機能的MRI , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： タスク ,  機能的MRI ,  自閉症 ,  重症度 ,  等級付け ,  機械学習