文献

J-GLOBAL ID：201702225801781702   整理番号：17A0456803

Alzheimer病診断のための関係正則化識別スパース学習【Powered by NICT】

Relational-Regularized Discriminative Sparse Learning for Alzheimer’s Disease Diagnosis

著者 (5件)： Lei Baiying (National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Shenzhen University, Shenzhen, China) ,  Yang Peng (National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Shenzhen University, Shenzhen, China) ,  Wang Tianfu (National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Shenzhen University, Shenzhen, China) ,  Chen Siping (National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Shenzhen University, Shenzhen, China) ,  Ni Dong (National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Shenzhen University, Shenzhen, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 4  ページ： 1102-1113  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 早期アルツハイマー病(AD)予後と診断に重要である正確な同定と理解情報特徴。本論文では,共同臨床スコアを予測し,多様な特徴を用いたAD病期を分類するための関係正則化を用いた新しい識別スパース学習法を提案した。より詳しくいえば,ここでは,クラス特異的差を拡大し,効果的な特徴選択のための幾何学的情報を含む弁別学習技術を適用した。添加では,二種類の関係情報の類似性学習からみた特徴と訓練被験者間の固有の関係を調査するために導入した。標的空間の中に元の特徴を地図化スパース学習法による情報と予測特徴を同定した。ユニークな損失関数は弁別学習と関係正則化法の両方を含むように設計されている。AD脳画像診断先導的データベースからの全805人の被験者[226例を含むAD,393軽度認知障害(MCI)患者,および186人の正常対照(NC)]に基づく実験結果は,提案した方法が進行性MCIと安定MCIのADとNC,MCIとNCの80.32%,74.58%~94.68%の分類精度を得たことを示した。添加では,臨床スコア予測と分類標識同定のための顕著な性能のAD疾患診断と予後効果を達成した。アルゴリズム比較を紹介学習技法の有効性と最先端の方法よりも優位性を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 損失関数 ,  *学習 ,  弁別学習 ,  *Alzheimer病 ,  データベース ,  類似性 ,  *正則化 ,  *透視図法 ,  患者 ,  特徴選択
準シソーラス用語： 分類精度 ,  軽度認知障害 ,  脳イメージング ,  被験者 ,  スコア , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： Alzheimer病 ,  診断 ,  正則化 ,  識別 ,  学習