抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Alzheimer病(AD)の早期検出のためのQC-SPHARMと呼ばれる疾患分類モデルを提案した。提案したQC-SPHARMは,正常対照(NC)被験者とAD患者,ならびにADに進行する高い可能性とそうではない患者の間の,健忘性軽度認知障害(aMCI)患者を区別することができる。球面調和(SPHARM)ベースの登録を用いて,ADNIデータからセグメント化した海馬表面を,SPHARMを用いてNC被験者から構築したテンプレート表面に個々に登録した。テンプレート表面から各被験者への変形の局所幾何学的歪みを共形歪と曲率歪に関して定量化した。測定は,球面調和係数およびテンプレートからの対象の全体積変化と組み合わせた。その後,バギング戦略を組み込んだt検定ベースの特徴選択法を,2つのクラスの高い識別力を有するそれらの局所領域を抽出するために適用した。したがって,疾患診断マシンは,サポートベクターマシン(SVM)設定の下でデータを使用して構築できる。110人のNC被験者とADNIデータベースからの110人のAD患者を用いて,提案したアルゴリズムは,試験対象として80のランダムサンプルで85:2%の試験精度を達成し,分類機械に表面形状を組み込んだ。2年間の間にADに進行した20名のaMCI患者および次の2年間非ADのままである別の20名のaMCI患者を使用して,このアルゴリズムは試験データとして10名のランダムに選ばれた被験者を用いて81:2%の精度を達成した。提案手法は,表面形状の取り込みのない他の分類モデルよりも6%~15%良い。結果は,初期AD診断の識別基準として局所幾何学的歪みを用いることの利点を示した。【JST・京大機械翻訳】