文献

J-GLOBAL ID：202202257067937294   整理番号：22A0183672

交差共分散分離株検出:動的機能的連結性を推定するための新しい変化点法【JST・京大機械翻訳】

Cross-covariance isolate detect: A new change-point method for estimating dynamic functional connectivity

著者 (3件)： Anastasiou Andreas (Department of Mathematics and Statistics, University of Cyprus, Canada) ,  Cribben Ivor (Department of Accounting and Business Analytics, Alberta School of Business, University of Alberta Canada) ,  Fryzlewicz Piotr (Department of Statistics, London School of Economics Canada)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 75  ページ： Null  発行年： 2022年 
JST資料番号： W3156A  ISSN： 1361-8415  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： 機能的連結性(FC)ネットワークの非静止挙動の証拠を,タスクベースの機能的磁気共鳴イメージング(fMRI)実験および静止状態fMRIデータでも顕著に観察した。これは,スライディングウィンドウアプローチを利用する方法の大部分で,この時変連結性を推定するためのいくつかの新しい統計的手法の開発をもたらした。計算的に実行可能であるが,スライディングウィンドウアプローチはいくつかの限界を持つ。本論文では,変化点の数と位置が先験的に未知であるFCネットワークにおける変化点を見つける統計的方法を導入することによって,スライディングウィンドウを回避する。交差共分散分離物検出(CCID)と呼ばれる新しい方法は,多変量,おそらく高次元時系列の二次(交差共分散またはネットワーク)構造における多重変化点を検出する。CCIDは,小さな大きさの頻繁な変化の存在における変化点検出を可能にし,1つまたは複数の脳領域への変化点を割り当てることができ,計算的に高速である。さらに,CCIDはタスクベースデータに特に適しており,タスクと休息の間の主題は,まず,サブ間隔内の各変化点の分離を試み,次に,それらの検出を行う。さらに,CCIDの新しい情報基準を提案し,変化点を同定した。CCIDをいくつかのシミュレーションデータセットに適用し,タスクベースおよび静止状態fMRIデータに適用し,それを最近の変化点法と比較した。CCIDは,脳波検査(EEG),乳房撮影(MEG)および心電図(ECoG)データにも適用可能である。他の生物学的ネットワークと同様に,脳の複雑なネットワーク組織化と機能的動力学の理解は,大きな臨床的意味をもたらす。最後に,本論文からの方法を実行するRパッケージcidは,CRANから利用可能である。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： シミュレーション ,  ネットワーク ,  心電図 ,  統計的方法 ,  *共分散 ,  多重化 ,  高次元 ,  連結性 ,  乳房撮影
準シソーラス用語： 皮質脳波 ,  スライディングウィンドウ ,  多変量 ,  Rパッケージ , 【Automatic Indexing@JST】

著者キーワード (5件)： fMRI ,  動的機能的連結性 ,  変化点解析 ,  ネットワーク ,  時変連結性

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 交差 ,  共分散 ,  分離株 ,  連結性 ,  推定