A Non-parametric Approach to Detect Epileptogenic Lesions using Restricted Boltzmann Machines
A Non-parametric Approach to Detect Epileptogenic Lesions using Restricted Boltzmann Machines
复制标题
使用受限玻尔兹曼机检测致癫痫病变的非参数方法
DOI：
--
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
O. Devinsky
中科院分区：
文献类型：
--
作者：
Yijun Zhao;Bilal Ahmed;T. Thesen;K. Blackmon;Jennifer G. Dy;C. Brodley;R. Kuzniecky;O. Devinsky
皮质表面皮损区域的视觉检测对于难治性癫痫(Tre)患者的成功手术至关重要。不幸的是，45%的局灶性皮质发育不良(FCD，最常见的一种TRE)患者的3D-MRI图像中没有视觉异常。我们与纽约大学朗格尼综合癫痫中心的医生合作，应用机器学习方法来确定这些{MRI阴性}FCD患者的切除区域。我们的任务尤其具有挑战性，因为MRI图像只能提供有限数量的特征。此外，来自不同患者的数据往往由于年龄、性别、左右利手等原因而表现出患者间的差异。在本文中，我们介绍了一种新的方法，该方法结合了受限Boltzmann机器和贝叶斯非参数混合模型来解决这些问题。我们通过将我们的模型应用于MRI阴性的FCD患者的回顾数据集来证明我们的模型的有效性，这些患者术后癫痫发作消失。
Visual detection of lesional areas on a cortical surface is critical in rendering a successful surgical operation for Treatment Resistant Epilepsy (TRE) patients. Unfortunately, 45% of Focal Cortical Dysplasia (FCD, the most common kind of TRE) patients have no visual abnormalities in their brains' 3D-MRI images. We collaborate with doctors from NYU Langone's Comprehensive Epilepsy Center and apply machine learning methodologies to identify the resective zones for these {MRI-negative} FCD patients. Our task is particularly challenging because MRI images can only provide a limited number of features. Furthermore, data from different patients often exhibit inter-patient variabilities due to age, gender, left/right handedness, etc. In this paper, we introduce a new approach which combines the restricted Boltzmann machines and a Bayesian non-parametric mixture model to address these issues. We demonstrate the efficacy of our model by applying it to a retrospective dataset of MRI-negative FCD patients who are seizure free after surgery.
影响因子：
3.7
作者：
Salat, DH;Buckner, RL;Fischl, B
通讯作者：
Fischl, B
DOI：
10.1073/pnas.200033797
发表时间：
2000-09-26
影响因子：
11.1
作者：
Fischl, B;Dale, AM
通讯作者：
Dale, AM