ニューロイメージングへの適用によるネットワークの同時予測とコミュニティ検出【JST・京大機械翻訳】

Arroyo Jesus; Levina Elizaveta

プレプリント

J-GLOBAL ID：202202212998985368 整理番号：22P0108159

ニューロイメージングへの適用によるネットワークの同時予測とコミュニティ検出【JST・京大機械翻訳】

Simultaneous prediction and community detection for networks with application to neuroimaging

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年02月05日プレプリントサーバーでの情報更新日： 2020年02月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ネットワーク内のコミュニティ構造は多くの異なるドメインで観察され,教師なしコミュニティ検出は文献において多くの注目を集めている。ネットワーク解析の焦点は,ネットワーク自体を解析するのではなく,いくつかの他の予測または推論タスクにおけるネットワーク情報の使用に向けてシフトしている。特に,神経イメージング応用では,脳ネットワークが複数の被験者に利用可能であり,その目標は,しばしば興味の表現型を予測することである。コミュニティ構造は,異なる機能に関与する脳の異なる領域に対応する,脳ネットワークの特徴であることが知られている。健常被験者の脳接続にクラスタリング法を適用することにより通常得られるそのような領域への脳の標準区画化がある。しかし,目標が表現型を予測し,異なる条件を識別するとき,健康被験者の無関係な集合からのこれらの静的コミュニティは,予測にとって最も有用ではないかもしれない。ここでは,特定の応答の予測に最も有用なコミュニティへのネットワークの分割を見出すことを目的として,教師つきコミュニティ検出の方法を示した。予測損失関数と組み合わせたブロック構造化正則化ペナルティを用い,スペクトル法とADMM最適化アルゴリズムの組み合わせで解を計算した。スペクトルクラスタリング法は加重確率ブロックモデルの下で正しいコミュニティを回復することを示した。この方法は,シミュレーションおよび実際の脳ネットワークの両方に対して良好に機能し,タスク依存脳領域のアイデアに対するサポートを提供する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

脳・神経系モデル , 計算機網

, ,

前のページに戻る