文献

J-GLOBAL ID：202102249190574598   整理番号：21A0066744

Mci同定のための動的機能的連結性に関する行列分類器【JST・京大機械翻訳】

Matrix Classifier On Dynamic Functional Connectivity For Mci Identification

著者 (4件)： Zhou Lei (Beihang University,School of Computer Science and Engineering, Beijing Advanced Innovation Center for Big Data and Brain Computing, State Key Laboratory of Software Development Environment,Beijing) ,  Zhang Liang (Beihang University,School of Computer Science and Engineering, Beijing Advanced Innovation Center for Big Data and Brain Computing, State Key Laboratory of Software Development Environment,Beijing) ,  Bai Xiao (Beihang University,School of Computer Science and Engineering, Beijing Advanced Innovation Center for Big Data and Brain Computing, State Key Laboratory of Software Development Environment,Beijing) ,  Zhou Jun (Griffith University,School of Information and Communication Technology,Nathan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 325-329  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： アルツハイマー病(AD)診断のための最も一般的な方法の1つは,静止状態機能的磁気共鳴イメージング(RS-fMRI)から脳機能的連結性(FC)を探索することである。ADの早期予防には,ADとその前臨床段階,軽度認知障害(MCI)および早期MCI(eMCI)を区別することが重要である。多くの既存の研究において,豊富な時空間情報を含む動的機能的連結性(dFC)がMCIとeMCI同定のために利用されてきた。しかし,これらのdFCベースの方法の大部分は,dFCに含まれる貴重な時空間情報を無視しながら,離散的脳状態間の相関を考慮するだけであった。この限界を克服するために,MCIとeMCI識別のためのdFC信号に関する行列分類器ベースの方法を提案した。具体的には,まず,豊富な時空間情報を含む行列特徴によってdFC相関を表現し,次に,ADとその前臨床段階を分類するために,サポートマトリックスマシン(SMM)を学習する。Alzheimer病ニューロイメージングイニシアティブ(ADNI)によって提供される600人の実人データに関する実験は,著者らの提案したマトリックス分類器ベースの方法が,正常制御(NC)/MCI同定とNC/eMCI識別の両方のための他のFCとdFCベースの方法より優れていることを実証した。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： 予防 ,  連結性 ,  *Alzheimer病
準シソーラス用語： 分類会計機 ,  機能的MRI ,  軽度認知障害 ,  脳機能 ,  時空間情報 , 【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)： 同定 ,  連結性 ,  行列 ,  分類器