文献

J-GLOBAL ID：202102218071623766   整理番号：21A0007446

うつ病性障害分類のRs-fMRIのための領域ベース特徴抽出法【JST・京大機械翻訳】

A Region-Based Feature Extraction Method for Rs-fMRI of Depressive Disorder Classification

著者 (2件)： Jin Jing (Beijing Jiaotong University,School of Electronic and Information Engineering,No.3 Shangyuancun Haidian District,Beijing,China,100044) ,  Huang Linlin (Beijing Jiaotong University,School of Electronic and Information Engineering,No.3 Shangyuancun Haidian District,Beijing,China,100044)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVIDL  ページ： 707-710  発行年： 2020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： うつ病性障害(DD)は,気分障害の間の主要な疾患であり,それは誤診率が高い。脳画像の特徴次元がサンプルサイズよりはるかに高いという事実を狙った。解決する必要があるのは,全体的特徴を抽出するとき,局所的に有効な詳細が無視されることである。したがって,本論文では,領域特徴抽出に基づく機械学習分類法を提案した。最初に,脳画像を27領域に等しく分割し,次にパッチを各局所領域から抽出し,クラスタにクラスタ化した。フィルタベースの特徴選択をパッチ上で実行して,地域特性に融合した。次に,組込みベースの特徴選択を用いて,グローバル特徴として接続された領域の重みを抽出した。最後に,SVMを分類のために採用する。方法は,46人のDD患者の静止状態機能的磁気共鳴映像法(rs-fMRI)と精神科病院によって捕獲された46人の健常対照者(HC)被験者で試験され,既存の方法と比較された。著者らの提案方法は,DD対HCの分類のために95.65%の精度と91.30%の再現を達成し,その性能は利用可能な方法のものより高く,分類の有効性を実証した。CCS概念は,信号処理のための信号処理→機械学習の信号処理→バイオイメージングと信号処理である。Copyright 2021 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： フィルタ ,  信号処理 ,  *特徴抽出 ,  クラスタ化 ,  特徴選択 ,  精神科病院 ,  クラスタ ,  有効性 ,  NMRイメージング ,  誤診 ,  機械学習
準シソーラス用語： 被験者 ,  分類法 ,  バイオイメージング ,  脳画像 , 【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 (4件)： うつ病性障害 ,  分類 ,  fMRI ,  特徴抽出法