文献

J-GLOBAL ID：201702234747881591   整理番号：17A0416685

ランドマークフリー表面レジストレーションを用いた高分解能T2強調MRIスキャンからの海馬亜領域の表面アトラスの構築【Powered by NICT】

Building a surface atlas of hippocampal subfields from high resolution T2-weighted MRI scans using landmark-free surface registration

著者 (10件)： Cong Shan (Dept. of Electrical and Computer Engineering, Purdue University West Lafayette, West Lafayette, IN 47907) ,  Rizkalla Maher (Dept. of Electrical and Computer Engineering, Indiana University - Purdue University Indianapolis, Indianapolis, IN 46202) ,  Salama Paul (Dept. of Electrical and Computer Engineering, Indiana University - Purdue University Indianapolis, Indianapolis, IN 46202) ,  Risacher Shannon L. (Dept. of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, IN 46202) ,  West John D. (Dept. of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, IN 46202) ,  Wu Yu-Chien (Dept. of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, IN 46202) ,  Apostolova Liana (Dept. of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, IN 46202) ,  Tallman Eileen (Dept. of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, IN 46202) ,  Saykin Andrew J. (Dept. of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, IN 46202) ,  Shen Li (Dept. of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, IN 46202)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： MWSCAS  ページ： 1-4  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 記憶・学習において重要な役割を果たすとして海馬は神経画像分野で広く研究されている。しかし,臨界サブフィールド情報はほとんどの海馬研究で調査されないことが多い。FreeSurfer,FSL,SPHARMツールを統合することにより海馬サブフィールド形態計測のための方法を提案した。しかし,この方法にはいくつかの制約,重要な部分情報を用いること無しに詳細なサブフィールド情報と海馬レジストレーションを用いること無しに,T1強調MRIスキャンの解析であった。これらのギャップを埋めるために,本研究では,海馬亜領域の自動セグメンテーションと海馬表面の目印のない,サブフィールドを意識した登録のための最新の方法を統合することにより,高分解能T2強調MRIスキャンから海馬亜領域の表面地図を構築するための新しいフレームワークを提案した。著者らの実験結果は,この新しいフレームワークの有望性を示した。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： 学習 ,  *走査 ,  *海馬 ,  臨界 ,  形状測定 ,  *高分解能
準シソーラス用語： ニューロイメージング ,  アトラス , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M) ,  音響信号処理  (BB03050C)

タイトルに関連する用語 (8件)： ランドマーク ,  レジストレーション ,  高分解能 ,  MRI ,  スキャン ,  海馬 ,  アトラス ,  構築