文献

J-GLOBAL ID：202102218300844342   整理番号：21A0612789

EEG解析からParkinson病を検出するための機械学習アプローチ:系統的レビュー【JST・京大機械翻訳】

Machine Learning Approaches for Detecting Parkinson’s Disease from EEG Analysis: A Systematic Review

著者 (4件)： Maitin Ana Maria (Centro de Estudios e Innovacion en Gestion del Conocimiento (CEIEC), Universidad Francisco de Vitoria, 28223 Pozuelo de Alarcon, Spain) ,  Garcia-Tejedor Alvaro Jose (Centro de Estudios e Innovacion en Gestion del Conocimiento (CEIEC), Universidad Francisco de Vitoria, 28223 Pozuelo de Alarcon, Spain) ,  Munoz Juan Pablo Romero (Facultad de Ciencias Experimentales, Universidad Francisco de Vitoria, 28223 Pozuelo de Alarcon, Spain) ,  Munoz Juan Pablo Romero (Brain Damage Unit, Hospital Beata Maria Ana, 28007 Madrid, Spain)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 23  ページ： 8662  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:パーキンソン病(PD)の診断は,主に運動症状に基づいており,単一光子放出コンピュータ断層撮影(SPECT)またはM-ヨードベンジル-グアニジン心臓シンチカン(MIBG)のようなイメージング技術により支持され,これは高価で,常に利用できない。本レビューでは,静止状態または運動活性化脳波検査(EEG)試験を介してPDを診断するための機械学習(ML)技術を用いた研究を分析した。方法:レビュープロセスは,系統的レビューとMeta-Analyzes(PRISMA)ガイドラインのために,優先報告項目に従って行われた。2020年5月以前のすべての出版物が含まれ,それらの主な特性と結果を評価し,文書化した。結果:9つの研究が含まれた。7つは静止状態EEGと2つの運動活性化EEGを使用した。サブシンボリックモデルを研究の83.3%で用いた。PD分類の精度は6299.62%であった。EEGに対して標準洗浄プロトコルはなく,EEGから抽出した特性に大きな不均一性があった。しかし,スペクトル特性が優勢であった。結論:モデルに導入した特徴とそのアーキテクチャは,分類の予測において優れた性能のために必須である。反対に,EEGの洗浄プロトコルは,異なる研究間で非常に不均一であり,結果に影響しなかった。神経変性疾患分類のためのEEGにおけるML技術の使用は,最近および成長分野である。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 刊行物 ,  画像技術 ,  不均一性 ,  計算機アーキテクチャ ,  *Parkinson病 ,  SPECT ,  計算機トモグラフィー ,  *機械学習 ,  *システマティックレビュー
準シソーラス用語： 神経変性疾患 ,  単一光子 ,  心臓核医学検査 ,  運動症状 , 【Automatic Indexing@JST】

著者キーワード (3件)： パーキンソン病(PD) ,  脳波検査(EEG) ,  機械学習(ML)

分類 (1件)： 神経系の診断  (GN02000H)

引用文献 (36件)：

• Mahlknecht, P.; Krismer, F.; Poewe, W.; Seppi, K. Meta-Analysis of Dorsolateral Nigral Hyperintensity on Magnetic Resonance Imaging as a Marker for Parkinson’s Disease. Mov. Disord. 2017, 32, 619-623.
• Dickson, D.W. Neuropathology of Parkinson disease. Parkinsonism Relat. Disord. 2018, 46 (Suppl. 1), S30-S33.
• Kalia, L.V.; Lang, A.E. Parkinson’s Disease. Lancet 2015, 386, 896-912.
• Jankovic, J. Progression of Parkinson Disease: Are We Making Progress in Charting the Course? Arch. Neurol. 2005, 62, 351-352.
• Beitz, J.M. Parkinson’s Disease: A Review. Front. Biosci. 2014, S6, 65-74.

タイトルに関連する用語 (5件)： EEG ,  解析 ,  Parkinson病 ,  機械学習 ,  系統的レビュー