文献

J-GLOBAL ID：202102260407496033   整理番号：21A0169729

時間点と脳領域における顕著なパターンのスポッティングによるタスク状態の復号化【JST・京大機械翻訳】

Decoding Task States by Spotting Salient Patterns at Time Points and Brain Regions

著者 (4件)： Chan Yi Hao (School of Computer Science and Engineering, Nanyang Technological University, Singapore, Singapore) ,  Gupta Sukrit (School of Computer Science and Engineering, Nanyang Technological University, Singapore, Singapore) ,  Kasun L. L. Chamara (School of Computer Science and Engineering, Nanyang Technological University, Singapore, Singapore) ,  Rajapakse Jagath C. (School of Computer Science and Engineering, Nanyang Technological University, Singapore, Singapore)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12449  ページ： 88-97  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： タスクパフォーマンスの間,脳状態は動的に変化し,再発する。最近,リカレントニューラルネットワーク(RNN)が,タスク機能的磁気共鳴映像法(fMRI)データからそのような脳状態の基礎となる機能的シグネチャを同定するために使用されてきた。RNNは時間点間の時間的依存性のみをモデル化するが,脳タスク復号化は基礎となる脳状態の時間依存性をモデル化する必要がある。さらに,脳領域のサブセットだけがタスクパフォーマンスに関与するので,脳復号化のための脳領域のサブセットを考慮することが重要である。これらの問題に取り組むために,著者らは,異なる時点における脳状態の依存性を捉えるだけでなく,タスクに関連する重要な脳領域にも注意を払いながら,カスタム化したニューラルネットワークアーキテクチャ,時間及び空間(SPOTS)を提出する。ヒトコネクトームプロジェクトで集めた言語と運動タスクデータでは,SPOTSは,ベースラインRNNモデルと比較して,脳状態予測を17%から40%改善する。顕著な空間-時間パターンをスポットすることによって,SPOTSは,fMRIデータの小さい時間窓でも脳状態を推論でき,現在の最先端の方法は,それと戦う。これは,異常なタスク-fMRIスキャンの迅速な同定を可能にし,タスク-fMRIデータ品質保証と疾患検出における将来の応用を可能にする。コードは,利用可能である。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： 言語 ,  タスクパフォーマンス ,  品質保証 ,  状態推定 ,  ヒト ,  時間依存性 ,  *復号化 ,  基準線 ,  NMRイメージング ,  カスタム化
準シソーラス用語： リカレントニューラルネットワーク ,  機能的MRI ,  *脳領域 ,  コネクトーム , 【Automatic Indexing@JST】

著者キーワード (5件)： 注意 ,  脳活性化の解読 ,  埋込み ,  リカレントニューラルネットワーク ,  タスク機能磁気共鳴イメージング

分類 (1件)： 中枢神経系  (EJ12030F)

タイトルに関連する用語 (3件)： 脳領域 ,  タスク ,  復号化