개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제30권 제3호
- 발행연도
- 2024.3
- 수록면
- 131 - 136 (6page)
- DOI
- 10.5626/KTCP.2024.30.3.131
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
건강한 사람의 자기공명영상과 머신러닝 기법을 사용한 뇌연령 예측은 예측된 뇌연령과 실제 나이의 차이로 건강한 뇌노화 궤적과의 편차를 정량화해 뇌 노화와 질병의 생체지표로 사용된다. 본 연구에서는 건강한 1065명의 피험자로부터 획득한 T1 강조 자기공명영상과 확산 강조 자기공명영상으로 생성된 분할 비등방도 멀티모달 뇌영상 데이터를 이용하여, 머신러닝 기반의 뇌연령 예측 모델의 정확성을 개선하고자 한다. 5가지 대표적인 머신러닝 모델들(SVR, RVR, Lasso, GPR, RF)을 실험한 결과, 멀티모달 뇌영상 데이터를 이용한 GPR(Gaussian Process Regression) 모델이 MAE=2.39, r=0.69로 가장 높은 예측 성능을 달성하였다. 멀티모달 뇌영상 데이터를 활용한 머신러닝 모델이 뇌연령 예측 정확도를 향상시킬 수 있음을 시사하며, 뇌 노화와 질병 진행도를 정량화하기 위한 최적화된 뇌연령 예측 모델의 설계에 기여할 수 있을 것으로 기대된다.
목차
요약
Abstract
1. 서론
2. 연구 방법
3. 연구 결과
4. 결론 및 제언
References
참고문헌 (21)
참고문헌 신청
Cole, J. H., Leech, R., Sharp, D. J., and Alzheimer's Disease Neuroimaging, I., “Prediction of brain age suggests accelerated atrophy after traumatic brain injury,” Ann Neurol, Vol. 77, pp. 571-581, 2015.
Abbott, A., “Dementia: a problem for our age,” Nature, Vol. 475, pp. S2-S4, 2011.
Sluimer, J. D., van der Flier, W. M., Karas, G. B., van Schijndel, R., Barnes, J., Boyes, R. G., Cover, K. S., Olabarriaga, S. D., Fox, N. C., Scheltens, P., Vrenken, H., and Barkhof, F., “Accelerating regional atrophy rates in the progression from normal aging to Alzheimer's disease,” Eur Radiol, Vol. 19, pp. 2826-2833, 2009.
Cole, J. H., and Franke, K., “Predicting age using neuroimaging: innovative brain ageing biomarkers”, Trends in Neurosciences, Vol. 40, pp. 681-690, 2017.
de Lange, A. M. G., Anatürk, M., Rokicki, J., Han, L. K., Franke, K., Alnæs, D., Ebmeier, K. P., Draganski, B., Kaufmann, T., and Westlye, L. T., “Mind the gap: Performance metric evaluation in brain‐age prediction,” Human Brain Mapping, Vol. 43, pp. 3113-3129, 2022.
Abbott, A., “Dementia: a problem for our age,” Nature, Vol. 475, pp. S2-S4, 2011.
Sluimer, J. D., van der Flier, W. M., Karas, G. B., van Schijndel, R., Barnes, J., Boyes, R. G., Cover, K. S., Olabarriaga, S. D., Fox, N. C., Scheltens, P., Vrenken, H., and Barkhof, F., “Accelerating regional atrophy rates in the progression from normal aging to Alzheimer's disease,” Eur Radiol, Vol. 19, pp. 2826-2833, 2009.
Cole, J. H., and Franke, K., “Predicting age using neuroimaging: innovative brain ageing biomarkers”, Trends in Neurosciences, Vol. 40, pp. 681-690, 2017.
de Lange, A. M. G., Anatürk, M., Rokicki, J., Han, L. K., Franke, K., Alnæs, D., Ebmeier, K. P., Draganski, B., Kaufmann, T., and Westlye, L. T., “Mind the gap: Performance metric evaluation in brain‐age prediction,” Human Brain Mapping, Vol. 43, pp. 3113-3129, 2022.
이 논문의 저자 정보
이 논문과 함께 이용한 논문
멀티모달 데이터 기반 온라인 학습 환경에서의 의사소통역량 평가 기법
송지민
,
차수정
,
최유진
외 3명
한국HCI학회 학술대회
2024
.01
멀티모달 딥러닝 모델을 활용한 심혈관 질환 진단
윤태영
,
강대성
한국정보과학회 학술발표논문집
2023
.12
녹내장 복합 데이터에 대한 멀티모달 머신러닝 예측 모델의 개발
이도형
,
조경진
,
김성재
외 1명
Proceedings of KIIT Conference
2023
.11
머신러닝 기반 장중 주가 예측: 고빈도데이터를 이용한 기업수준 분석
김찬수
,
김선웅
,
최흥식
지능정보연구
2024
.06
안저사진 및 EMR 데이터 기반 멀티모달 녹내장 진단 모델
이도형
,
김성재
,
오세종
한국정보기술학회논문지
2024
.06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089494686