文献

J-GLOBAL ID：202202263398685932   整理番号：22A1038781

統一Granger因果解析による大規模ネットワークの調査【JST・京大機械翻訳】

Investigating Large-Scale Network with Unified Granger Causality Analysis

著者 (4件)： Hu Zhenghui (Key Laboratory of Quantum Precision Measurement, College of Science, Zhejiang University of Technology, Hangzhou 310023, China) ,  Li Fei (Key Laboratory of Quantum Precision Measurement, College of Science, Zhejiang University of Technology, Hangzhou 310023, China) ,  Cheng Minjia (Key Laboratory of Quantum Precision Measurement, College of Science, Zhejiang University of Technology, Hangzhou 310023, China) ,  Lin Qiang (Key Laboratory of Quantum Precision Measurement, College of Science, Zhejiang University of Technology, Hangzhou 310023, China)
資料名： Computational and Mathematical Methods in Medicine (Web)  (Computational and Mathematical Methods in Medicine (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7693A  ISSN： 1748-670X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： グローバルニューロン結合効果の統合の概念がますます受け入れられているので,原因接続の研究は,大規模解析の介入をますます要求している。本研究では,大規模脳ネットワーク解析を,統一Granger因果律解析(uGCA)法を含む記述長誘導フレームワークにより行い,大規模解析の概念を統合した。これは,全体的脳領域間の因果関係のためのより包括的な決定を行うのに役立つであろう。従来のGCAと異なり,Akaike情報基準またはBayes情報基準(AIC/BIC)とF検定から成る2段階スキームを含む,因果効果を得るために,統一誘導フレームワークは,ネットワークノード間のいくつかの交絡影響を排除する間,より信頼できる結果を確実にすることができる。次に,13ノードを含む大規模ネットワークシミュレーション実験を実行した。本提案は大規模ネットワークの因果関係調査を導くのに,より正確でロバストであることが分かった。それが静止状態fMRIデータセットになるとき,著者らは,解剖学的自動ラベリング(AAL)テンプレートから選択した90ノードネットワークを研究した。次に,K平均クラスタリング法を結合して,uGCA法によって得た接続ネットワークにおけるほとんどの脳ノードを,対応する機能的脳領域に収集し,機能的に関連する領域を互いに協力した。従来のGCAと比較して,それらの結果は,臨床的および解剖学的な先物とより一致した。さらに,デフォルトモードネットワーク(DMN),背面注意ネットワーク(DAN),およびフロントエンド制御ネットワーク(FCN)を含む,いくつかの大規模機能ネットワークの研究において,uGCA法は,それらの経験的協力をより明確に明らかにした。多数のノードと大規模な接続を有する脳として,統一された大規模解析法は,将来,全体の脳ネットワークにおける因果接続の統合のために非常に重要である。Copyright 2022 Zhenghui Hu et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 因果律 ,  シミュレーション ,  *ネットワーク ,  脳 ,  解剖学 ,  大規模 ,  ロバスト性
準シソーラス用語： ネットワーク解析 ,  機能的MRI ,  Granger因果律 ,  神経ネットワーク ,  *大規模ネットワーク ,  デフォルトモードネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  脳・神経系モデル  (EL02050C)

引用文献 (36件)：

• V. Menon, "Large-scale brain networks and psychopathology: a unifying triple network model," Trends in Cognitive Sciences, vol. 15, no. 10, pp. 483-506, 2011.
• S. L. Bressler, V. Menon, "Large-scale brain networks in cognition: emerging methods and principles," Trends in Cognitive Sciences, vol. 14, no. 6, pp. 277-290, 2010.
• X. Wang, R. Wang, F. Li, Q. Lin, X. Zhao, Z. Hu, "Large-scale Granger causal brain network based on resting-state fMRI data," Neuroscience, vol. 425, pp. 169-180, 2020.
• M. Ding, Y. Chen, S. L. Bressler, "17 granger causality: basic theory and application to neuroscience," Handbook of Time Series Analysis: Recent Theoretical Developments and Applications, pp. 437-460, Wiley Online Library, 2006.
• S. Guo, A. K. Seth, K. M. Kendrick, C. Zhou, J. Feng, "Partial Granger causality--eliminating exogenous inputs and latent variables," Journal of Neuroscience Methods, vol. 172, no. 1, pp. 79-93, 2008.

タイトルに関連する用語 (3件)： 解析 ,  大規模ネットワーク ,  調査