文献

J-GLOBAL ID：202202269076541502   整理番号：22A1100615

静止状態fMRIデータからの位相およびエンベロープ特徴を用いた自閉症スペクトラム障害個体および制御の分類【JST・京大機械翻訳】

Classification of autism spectrum disorders individuals and controls using phase and envelope features from resting-state fMRI data

著者 (3件)： Naghashzadeh Mahshid (School of Electrical and Computer Engineering, Shiraz University, Shiraz, Iran) ,  Yazdi Mehran (School of Electrical and Computer Engineering, Shiraz University, Shiraz, Iran) ,  Zolghadrasli Alireza (School of Electrical and Computer Engineering, Shiraz University, Shiraz, Iran)
資料名： Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization  (Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization)
巻： 10  号： 1  ページ： 55-66  発行年： 2022年 
JST資料番号： W5825A  ISSN： 2168-1163  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： 本研究では,自閉症スペクトル障害(ASD)と対照被験者を識別するためのfMRIデータから抽出した位相とエンベロープの特徴を用いた。伝達関数摂動(TFP)法を用いて,fMRIデータからの固有静止状態脳ネットワーク成分の瞬時位相とエンベロープを推定した。次に,電力,エントロピー,およびコヒーレンス特性を計算した。逐次フォワード特徴選択(SFFS)アルゴリズムと主成分分析(PCA)を用いて,クラスを最良に予測する特徴の部分集合を選択する方法で,3つの異なる分類器と2つの異なる特徴選択アルゴリズムを調べた。その後,位相特徴,エンベロープ特徴,および位相とエンベロープ特徴の組合せを含む3つの異なるカテゴリーの計算した特徴,非線形サポートベクトルマシン(SVM),K-最近傍(K-NN),および深層ニューラルネットワーク(DNN)に供給した。結果は,位相特徴がかなり識別的であり,ADSsと制御被験者の分類精度をかなり改善し,ロバスト予測に導くことを示した。さらに,位相特徴の次元をPCAによって減らし,非線形SVMに供給したとき,分類精度の91%を得た。最終的に,2サンプルt検定とピアソンの相関係数は,位相特徴がエンベロープ特徴より有意に低い相関を持つことを示した。Please refer to the publisher for the copyright holders. 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 ,  エントロピー ,  コヒーレンス ,  伝達関数 ,  スペクトル ,  特徴選択 ,  *位相 ,  *自閉症 ,  *エンベロープ ,  主成分分析 ,  摂動 ,  ロバスト性 ,  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 , 【Automatic Indexing@JST】

著者キーワード (6件)： 静止状態fMRI ,  ASD ,  瞬間位相とエンベロープ ,  分類 ,  特徴 ,  脳連結性

分類 (3件)： パターン認識  (JE07000S) ,  生体計測  (EL03020C) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 静止状態 ,  fMRI ,  位相 ,  エンベロープ ,  自閉症スペクトラム障害 ,  個体 ,  分類