自閉症スペクトラム障害(ASD)の検出のための新しい機械学習ベースフレームワーク【JST・京大機械翻訳】

Sharif Hamza; Khan Rizwan Ahmed

プレプリント

J-GLOBAL ID：202202215650811608 整理番号：22P0001014

自閉症スペクトラム障害(ASD)の検出のための新しい機械学習ベースフレームワーク【JST・京大機械翻訳】

A novel machine learning based framework for detection of Autism Spectrum Disorder (ASD)

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： 2019年03月27日プレプリントサーバーでの情報更新日： 2020年01月02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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

コンピュータビジョンと機械学習は自動化の分野である。医療産業は,検出プロセスを自動化するために多くの病気の根本原因を発見するために多くの方法を採用した。しかし,自閉症スペクトル障害(ASD)のバイオマーカーはまだ未知であり,その検出を自動化する。神経科学ドメインからの研究は,脳梁と頭蓋内脳容積がASDの検出に重要な情報を保持するという事実を強調した。そのような結果および研究は,コンピュータビジョン/機械学習の領域で働く科学者によって試験および検証されていない。従って,本研究では,ABIDEデータセットから脳梁と頭蓋内脳容積から抽出した特徴を用いてASDの自動検出のための機械学習ベースフレームワークを提案した。脳梁と頭蓋内脳容積データは,T1強調MRIスキャンから得られた。提案フレームワークは,まず,脳梁と頭蓋内脳ボリュームデータから抽出した特徴の重みを計算する。このステップは,ASDのロバストな認識を助けるそれらの特徴のみの識別能力の利用を確実にする。次に,従来の機械学習アルゴリズム(深層学習以外のアルゴリズムに対する従来の参照)を,ASDの認識のための識別能力に関して最も重要な特徴に適用した。最後に,ベンチマークおよび神経画像データ,すなわちT1強調MRIスキャンの分析に関する深い学習の可能性を検証するために,著者らは,最新の深層学習アーキテクチャ,すなわちVGG16の状態の実験を行った。ASDの検出のために既に訓練されたVGG16モデルを使用するための転送学習アプローチを用いた。これは,深い学習のために十分な量で記録するのが難しい神経画像データを解析するための深層学習手法の使用の利益とボトルネックを理解するのに役立つ。【JST・京大機械翻訳】

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

精神障害 , 神経系の診断

, , ,

前のページに戻る