文献

J-GLOBAL ID：202202239182682692   整理番号：22A0946253

安静時fMRIの有向グラフ測度による正常対照からの側頭葉癲癇患者の識別【JST・京大機械翻訳】

Distinguishing patients with temporal lobe epilepsy from normal controls with the directed graph measures of resting-state fMRI

著者 (4件)： Hao Siyao (Faculty of Environment and Life Sciences, Beijing University of Technology, Beijing, China) ,  Yang Chunlan (Faculty of Environment and Life Sciences, Beijing University of Technology, Beijing, China) ,  Li Zhimei (Beijing Tiantan Hospital, Capital Medical University, Beijing, China) ,  Ren Jiechuan (Beijing Tiantan Hospital, Capital Medical University, Beijing, China)
資料名： Seizure: European Journal of Epilepsy  (Seizure: European Journal of Epilepsy)
巻： 96  ページ： 25-33  発行年： 2022年 
JST資料番号： W3277A  ISSN： 1059-1311  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： 側頭葉てんかん(TLE)患者の脳ネットワークの変化は広く研究されているが,これらの変化の基礎となる生物学的メカニズムは不明である。ここでは,TLE患者における脳ネットワークの変化を同定し,グラフ理論的アプローチおよび高度機械学習法により正常対照(NC)からこれらの患者を区別するための正確なアルゴリズムを提供することを目的とした。55名の被験者(23名のTLE患者と32名のNC)からの静止状態機能的磁気共鳴イメージング(rs-fMRI)データに,直接ネットワーク構築を適用し,13個の有向グラフ測定を計算した。2サンプルt検定選択特徴を,サポートベクトルマシン(SVM)への入力として使用した。leave-one-out交差検証法を用いて,分類性能を測定した。94.55%(感度=91.30%,f1スコア=93.33%,Cohen’sκ=0.9345)の精度を,TLE患者およびNCの分類のために,最適特徴およびSVM分類装置によって達成した。2サンプルt検定結果の結果によると,TLE疾患は,時間,頭頂,後頭部,後部帯状,角回,上前頭回,および小脳領域を含む脳のいくつかの領域を,中心度,流動係数,およびノード効率に衝撃した。TLE群における左後小脳葉の成績IQと流動係数の間に有意な相関があった。本研究は,有向脳ネットワーク構築におけるGranger因果律解析の妥当性を確認した。有向グラフ測定に基づく提案された機械学習アプローチは,TLE患者の早期診断および治療計画における介入を助けるためのTLEの診断のためのバイオマーカーとして役立つ可能性がある。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： アルゴリズム ,  衝撃 ,  *測度 ,  グラフ理論 ,  脳 ,  *有向グラフ ,  小脳 ,  *患者 ,  早期診断 ,  バイオマーカー ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： 被験者 ,  t検定 ,  神経ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 側頭葉てんかん ,  Granger因果律解析 ,  有向脳ネットワーク ,  サポートベクトルマシン ,  分類

分類 (2件)： 精神障害の診断  (GR02000T) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (7件)： 安静時fMRI ,  有向グラフ ,  測度 ,  対照 ,  側頭葉癲癇 ,  患者 ,  識別