文献

J-GLOBAL ID：202102269541530804   整理番号：21A2901734

話す脳の雑音除去:重度運動下のアーチファクト汚染fMRIデータを補正するためのロバストな技術に向けて【JST・京大機械翻訳】

Denoising the speaking brain: Toward a robust technique for correcting artifact-contaminated fMRI data under severe motion

著者 (8件)： Xu Yisheng (Language Section, Voice, Speech, and Language Branch, National Institute on Deafness and Other Communication Disorders, National Institutes of Health, Bethesda, MD 20892, USA) ,  Tong Yunxia (Clinical Brain Disorders Branch, National Institute of Mental Health, National Institutes of Health, Bethesda, MD 20892, USA) ,  Liu Siyuan (Language Section, Voice, Speech, and Language Branch, National Institute on Deafness and Other Communication Disorders, National Institutes of Health, Bethesda, MD 20892, USA) ,  Chow Ho Ming (Language Section, Voice, Speech, and Language Branch, National Institute on Deafness and Other Communication Disorders, National Institutes of Health, Bethesda, MD 20892, USA) ,  AbdulSabur Nuria Y. (Language Section, Voice, Speech, and Language Branch, National Institute on Deafness and Other Communication Disorders, National Institutes of Health, Bethesda, MD 20892, USA) ,  AbdulSabur Nuria Y. (Department of Linguistics, University of Maryland, College Park, MD 20742, USA) ,  Mattay Govind S. (Department of Bioengineering, University of Pennsylvania, Philadelphia, PA 19104, USA) ,  Braun Allen R. (Language Section, Voice, Speech, and Language Branch, National Institute on Deafness and Other Communication Disorders, National Institutes of Health, Bethesda, MD 20892, USA)
資料名： NeuroImage  (NeuroImage)
巻： 103  ページ： 33-47  発行年： 2014年 
JST資料番号： W3139A  ISSN： 1053-8119  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 空間独立成分分析(sICA)に基づく広範囲の方法を,運動関連アーチファクトによって悩まされた広範囲の機能的磁気共鳴イメージング(fMRI)実験に適用できるアーチファクト除去のためのロバスト技術として提示した。fMRI雑音除去のためのsICAの応用は以前に研究されているが,このアプローチの3つの基本的要素は以下の通りである。1)成分分類のための機構的ベースグランドトルース;2)自動分類器の性能と一般化可能性を評価する一般的フレームワーク;3)雑音除去の有効性を検証する信頼できる方法。ここでは,これらの問題の徹底的調査を行い,連続オーバト音声生成に関連した厳しい画像アーチファクトの問題を解決することにより,この技術の電力を実証した。重要な方法論的特徴として,二重マスクsICA法を提案して,それらの余分な脳空間起源を直接明らかにすることによって,多様な画像アーチファクトを分離した。それはまた,物理的または生理学的運動の時間的尺度と連動して,ノイズ成分の機構的特性を理解する上で重要な役割を果たす。自動部品分類の性能と一般化可能性を最大化するために,空間ベース機械学習分類器の可能性と特徴選択のための一般的基準の両方を調べた。雑音除去の有効性を,fMRIの活性化マップを,同じタスク条件下で取得した陽電子放出トモグラフィーのそれらと比較することにより,定量的に検証した。この技法の一般的な適用性は,静止状態の機能的連結性に対する頭部運動の距離依存効果の成功した低減によってさらに実証された。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動分類 ,  電力 ,  適応性 ,  特徴選択 ,  有効性 ,  連結性 ,  *ロバスト性 ,  PET【トモグラフィー】 ,  *アーチファクト ,  機械学習 ,  *雑音除去 ,  独立成分分析
準シソーラス用語： 頭部運動 ,  *機能的MRI ,  アーチファクト除去 , 【Automatic Indexing@JST】

著者キーワード (5件)： fMRI ,  動きアーチファクト ,  独立成分分析 ,  音声生成 ,  休止状態の機能的連結性

分類 (2件)： 生体計測  (EL03020C) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 脳 ,  雑音除去 ,  運動 ,  アーチファクト ,  汚染 ,  fMRI ,  ロバスト