文献

J-GLOBAL ID：202202226797327238   整理番号：22A0566478

表面ベース畳込みネットワークを用いた静止状態機能的連結性からの個々のタスクコントラストの予測【JST・京大機械翻訳】

Predicting individual task contrasts from resting-state functional connectivity using a surface-based convolutional network

著者 (6件)： Ngo Gia H. (School of Electrical & Computer Engineering, Cornell University and Cornell Tech, United States) ,  Khosla Meenakshi (School of Electrical & Computer Engineering, Cornell University and Cornell Tech, United States) ,  Jamison Keith (Radiology, Weill Cornell Medicine, United States) ,  Kuceyeski Amy (Radiology, Weill Cornell Medicine, United States) ,  Sabuncu Mert R. (School of Electrical & Computer Engineering, Cornell University and Cornell Tech, United States) ,  Sabuncu Mert R. (Radiology, Weill Cornell Medicine, United States)
資料名： NeuroImage  (NeuroImage)
巻： 248  ページ： Null  発行年： 2022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： タスクベースおよび静止状態は,機能的神経イメージングの2つの最も一般的な実験パラダイムを表す。静止状態は脳機能を特性化するための柔軟でスケーラブルなアプローチを提供するが,タスクベースの技術は優れた局在化を提供する。本論文では,静止状態fMRIスキャンからタスクベースコントラストマップを予測するモデルを作成するために,最近の深層学習法を構築した。具体的には,脳皮質シートの表現で動作する表面ベースの完全畳込みニューラルネットワークモデルである,脳SurfCNNを提案した。脳SurfCNNは,測定対象レベルコントラストマップの反復信頼性と関係がある,ヒトコネクトームプロジェクトからの独立したテストデータで,例外的な予測精度を達成した。逆に,著者らの解析は,以前に発表されたベンチマークがグループ平均コントラストマップより優れていないことを明らかにした。最後に,脳SurfCNNは,限られた訓練データを有する新しいドメインに,著しく良く一般化できることを示した。Copyright 2022 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： *コントラスト ,  *畳込み ,  信頼性 ,  *ネットワーク ,  脳 ,  ニューラルネットワーク ,  ヒト ,  皮質 ,  神経生理 ,  生体記録図 ,  ベンチマーク ,  画像診断 ,  機械学習
準シソーラス用語： 訓練データ ,  予測精度 ,  機能的MRI ,  脳機能 ,  コネクトーム ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 表面ベース畳込みニューラルネットワーク ,  タスク誘発コントラスト ,  休止状態の機能的連結性

分類 (2件)： 生体計測  (EL03020C) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (6件)： 畳込み ,  静止状態 ,  連結性 ,  タスク ,  コントラスト ,  予測