論文の概要: Large-Scale Extended Granger Causality for Classification of Marijuana Users From Functional MRI

• arxiv url: http://arxiv.org/abs/2101.01832v1
• Date: Wed, 6 Jan 2021 00:40:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 09:12:50.013055
• Title: Large-Scale Extended Granger Causality for Classification of Marijuana Users From Functional MRI
• Title（参考訳）: 機能的MRIからマリファナユーザを分類する大規模拡張グランガー因果関係
• Authors: M. Ali Vosoughi and Axel Wismuller
• Abstract要約: マリファナの使用は脳ネットワーク接続の変化と関連していることが文献で示されている。 本研究では,lsXGC(Extended Granger Causality)を提案し,静止状態fMRIを用いてその変化を捉えるかどうかを検討する。 本研究では,小児期にADHDと診断された成人136名を対象に,マリファナユーザを典型的制御から分類するバイオマーカーとして機能するかどうかを検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It has been shown in the literature that marijuana use is associated with changes in brain network connectivity. We propose large-scale Extended Granger Causality (lsXGC) and investigate whether it can capture such changes using resting-state fMRI. This method combines dimension reduction with source time-series augmentation and uses predictive time-series modeling for estimating directed causal relationships among fMRI time-series. It is a multivariate approach, since it is capable of identifying the interdependence of time-series in the presence of all other time-series of the underlying dynamic system. Here, we investigate whether this model can serve as a biomarker for classifying marijuana users from typical controls using 126 adult subjects with a childhood diagnosis of ADHD from the Addiction Connectome Preprocessed Initiative (ACPI) database. We use brain connections estimated by lsXGC as features for classification. After feature extraction, we perform feature selection by Kendall's-tau rank correlation coefficient followed by classification using a support vector machine. As a reference method, we compare our results with cross-correlation, which is typically used in the literature as a standard measure of functional connectivity. Within a cross-validation scheme of 100 different training/test (90%/10%) data splits, we obtain a mean accuracy range of [0.714, 0.985] and a mean Area Under the receiver operating characteristic Curve (AUC) range of [0.779, 0.999] across all tested numbers of features for lsXGC, which is significantly better than results obtained with cross-correlation, namely mean accuracy of [0.728, 0.912] and mean AUC of [0.825, 0.969]. Our results suggest the applicability of lsXGC as a potential biomarker for marijuana use.
• Abstract（参考訳）: マリファナの使用は脳ネットワーク接続の変化と関連していることが文献で示されている。 本研究では, 大規模拡張グランガー因果性 (lsXGC) を提案し, 静止状態fMRIを用いてこのような変化を捉えることができるか検討する。 本手法はディメンジョン低減とソース時系列拡張を併用し,予測時系列モデルを用いてfmri時系列間の有向因果関係を推定する。 それは、基礎となる動的システムの他のすべての時系列の存在下で、時系列の相互依存性を識別できるため、多変量アプローチである。 本稿では,Addiction Connectome Preprocessed Initiative (ACPI)データベースからADHDの小児診断を行った成人126名を対象に,マリファナユーザを一般的なコントロールから分類するためのバイオマーカーとして機能するかどうかを検討する。 分類の特徴としてlsxgcによって推定される脳結合を用いる。 特徴抽出後,kendall-tauランク相関係数による特徴抽出を行い,サポートベクターマシンによる分類を行った。 参考法として,関数接続の標準尺度として文献で一般的に用いられる相互相関法と比較した。 100個の異なるトレーニング/テスト(90%/10%)データ分割のクロスバリデーションスキームにおいて、[0.714, 0.985]の平均精度範囲と、[0.825, 0.969]の平均aucと、[0.779, 0.999]のすべてのテストされた特徴量に対して[0.779, 0.999]の受信特性曲線(auc)の下の平均領域を得る。 以上の結果から,大麻用バイオマーカーとしてのlsXGCの有用性が示唆された。

関連論文リスト

• Semiparametric conformal prediction [79.6147286161434]
  リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。 スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。 実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Enhancing Graph Attention Neural Network Performance for Marijuana Consumption Classification through Large-scale Augmented Granger Causality (lsAGC) Analysis of Functional MR Images [0.0]
  脳ネットワーク接続におけるマリファナの消費と変化の関係は、科学文献において認識されている事実である。 この研究は、lsAGCがこれらの変化を正確に識別する方法を探索する。
  論文  参考訳（メタデータ） (2024-10-24T07:50:10Z)
• A Bio-Medical Snake Optimizer System Driven by Logarithmic Surviving Global Search for Optimizing Feature Selection and its application for Disorder Recognition [1.3755153408022656]
  人間の生命を守ることがいかに重要かを考えると、医療実践を強化することが最重要である。 機械学習技術を用いて患者の予測を自動化することで、医療療法を加速することができる。 この分野における重要な任務のために、いくつかの前処理戦略を採用する必要がある。
  論文  参考訳（メタデータ） (2024-02-22T09:08:18Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Palm Vein Recognition via Multi-task Loss Function and Attention Layer [3.265773263570237]
  本稿では,VGG-16伝達学習の融合注意機構に基づく畳み込みニューラルネットワークを,赤外線ヤシ静脈データセットの特徴抽出ネットワークとして利用する。 モデルのロバスト性を検証するため、異なるソースからのデータセットに対していくつかの実験を行った。 同時に、マッチングは高効率であり、ヤシ静脈対あたり平均0.13秒かかる。
  論文  参考訳（メタデータ） (2022-11-11T02:32:49Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• Classification of Schizophrenia from Functional MRI Using Large-scale Extended Granger Causality [0.0]
  大規模拡張グランジャー因果関係(lsxgc)は脳ネットワーク接続の変化を捉えることができる。 lsXGCは典型的なコントロールから統合失調症の患者を分類するためのバイオマーカーとして機能します。 統合失調症のバイオマーカーとしてのlsXGCの適用性について検討した。
  論文  参考訳（メタデータ） (2021-01-12T20:36:26Z)
• Large-scale Augmented Granger Causality (lsAGC) for Connectivity Analysis in Complex Systems: From Computer Simulations to Functional MRI (fMRI) [0.0]
  本稿では,複合システムにおける接続解析の方法として,大規模Augmented Granger Causality (lsAGC)を導入している。 lsAGCアルゴリズムは、寸法低減とソース時系列拡張を組み合わせた。 合成指向性時系列ネットワーク上での lsAGC の性能を定量的に評価する。
  論文  参考訳（メタデータ） (2021-01-10T01:44:48Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。