The objective of this study was to

The objective of this study was to use a combined
local descriptor, namely scale invariance feature
transform (SIFT), and a non linear support vector machine
(SVM) technique to automatically classify patients with
schizophrenia. The dorsolateral prefrontal cortex (DLPFC),
considered a reliable neuroanatomical marker of the disease,
was chosen as region of interest (ROI). Fifty-four
schizophrenia patients and 54 age- and gender-matched
normal controls were studied with a 1.5T MRI (slice
thickness 1.25 mm). Three steps were conducted: (1)
landmark detection and description of the DLPFC, (2)
feature vocabulary construction and Bag-of-Words (BoW)
computation for brain representation, (3) SVM classification
which adopted the local kernel to implicitly implement
the feature matching. Moreover, a new weighting approach
was proposed to take into account the discriminant relevance
of the detected groups of features. Substantial results
were obtained for the classification of the whole dataset
(left side 75%, right side 66.38%). The performances were
higher when females (left side 84.09%, right side 77.27%)
and seniors (left side 81.25%, right side 70.83%) were
considered separately. In general, the supervised weighed
functions increased the efficacy in all the analyses.
No effects of age, gender, antipsychotic treatment and
chronicity were shown on DLPFC volumes. This integrated
innovative ROI-SVM approach allows to reliably detect
subjects with schizophrenia, based on a structural
brain marker for the disease such as the DLPFC. Such
classification should be performed in first-episode patients
in future studies, by considering males and females
separately.

ผลลัพธ์ (ไทย) 1:

วัตถุประสงค์ของการศึกษานี้ได้ใช้การรวมท้องถิ่นบอก คุณลักษณะ invariance มาตราส่วนได้แก่แปลง (SIFT), และเครื่องสนับสนุนที่ไม่ใช่เชิงเวกเตอร์(SVM) เทคนิคในการจัดประเภทผู้ป่วยที่มีโดยอัตโนมัติโรคจิตเภท Cortex prefrontal dorsolateral (DLPFC),พิจารณาเครื่องหมาย neuroanatomical ที่เชื่อถือได้ของการเกิดโรคถูกเลือกเป็นภูมิภาคที่น่าสนใจ (ร้อย) ห้าสิบสี่ผู้ป่วยโรคจิตเภทและ 54 คู่อายุ และเพศควบคุมปกติได้เรียนกับ 1.5T การ MRI (ชิ้นความหนา 1.25 มิลลิเมตร) ได้ดำเนินการตามขั้นตอนที่ 3: (1)ตรวจจับมาร์คและคำอธิบายของ DLPFC, (2)ก่อสร้างคำศัพท์และกระเป๋าของคำ (โบว์)คำนวณสำหรับสมองแสดง ประเภท SVM (3)ซึ่งนำเมล็ดภายในจะใช้นัยในลักษณะการจับคู่ นอกจากนี้ วิธีน้ำหนักใหม่ได้นำเสนอถึงความเกี่ยวข้อง discriminantกลุ่มที่ตรวจพบคุณสมบัติ พบผลลัพธ์ได้รับการจัดของชุดข้อมูลทั้งหมด(ซ้าย 75% ขวา 66.38%) มีการแสดงเมื่อสูงกว่าหญิง (% 84.09 ด้านซ้าย ด้านขวา 77.27%)และผู้สูงอายุ (ซ้าย 81.25% ขวา 70.83%)พิจารณาแยกต่างหาก ทั่วไป การมีน้ำหนักฟังก์ชันเพิ่มประสิทธิภาพในการวิเคราะห์ทั้งหมดไม่มีผลของอายุ เพศ รักษา antipsychotic และchronicity ได้ถูกแสดงบนไดรฟ์ข้อมูล DLPFC นี้รวมวิธี SVM ร้อยนวัตกรรมให้สามารถตรวจสอบได้เรื่องกับโรคจิตเภท ตามโครงสร้างการสมองที่ทำเครื่องหมายสำหรับโรคเช่นการ DLPFC ดังกล่าวประเภทที่ควรทำในตอนแรกผู้ป่วยในการศึกษาในอนาคต โดยพิจารณาชายและหญิงแยกต่างหาก

ผลลัพธ์ (ไทย) 2:

วัตถุประสงค์ของการศึกษานี้มีวัตถุประสงค์เพื่อใช้ร่วมกัน
อธิบายในท้องถิ่นคือคุณลักษณะความไม่แปรเปลี่ยนขนาด
เปลี่ยน (ร่อน) และเชิงเส้นเครื่องสนับสนุนเวกเตอร์ที่ไม่
(SVM) เทคนิคในการจำแนกผู้ป่วยที่มีโดยอัตโนมัติ
โรคจิตเภท prefrontal dorsolateral นอก (DLPFC)
ถือว่าเป็นเครื่องหมาย neuroanatomical ที่เชื่อถือได้ของโรคที่
ได้รับการเลือกให้เป็นภูมิภาคที่น่าสนใจ (ROI) ห้าสิบสี่
ของผู้ป่วยจิตเภทและ 54 อายุและเพศที่จับคู่
คนปกติได้รับการศึกษากับ 1.5T MRI (ชิ้น
หนา 1.25 มม) สามขั้นตอนกำลังดำเนินการดังนี้ (1)
การตรวจสอบสถานที่และรายละเอียดของ DLPFC (2)
การก่อสร้างคำศัพท์บาร์และกระเป๋าของคำพูด (BoW)
การคำนวณเพื่อเป็นตัวแทนของสมอง (3) การจัดหมวดหมู่ SVM
ซึ่งนำเมล็ดในท้องถิ่นที่จะดำเนินการโดยปริยาย
คุณลักษณะที่ตรงกับ นอกจากนี้วิธีการถ่วงน้ำหนักใหม่
ได้รับการเสนอให้คำนึงถึงความจำแนก
กลุ่มตรวจพบคุณสมบัติ ผลอย่างมาก
ที่ได้รับการจัดหมวดหมู่ของชุดข้อมูลทั้ง
(ด้านซ้าย 75% ด้านขวา 66.38%) การแสดงก็
สูงขึ้นเมื่อผู้หญิง (ด้านซ้าย 84.09%, ด้านขวา 77.27%)
และผู้สูงอายุ (ซ้ายด้าน 81.25% ด้านขวา 70.83%) ได้รับการ
พิจารณาแยก โดยทั่วไปชั่งน้ำหนักดูแล
ฟังก์ชั่นที่เพิ่มขึ้นการรับรู้ความสามารถในการวิเคราะห์ทั้งหมด
ไม่มีผลกระทบของอายุเพศการรักษาโรคจิตและ
chronicity ที่แสดงบนไดรฟ์ DLPFC นี้แบบบูรณาการ
วิธีการใหม่ ROI-SVM ช่วยให้การตรวจจับ
วัตถุที่มีจิตเภทขึ้นอยู่กับโครงสร้าง
เครื่องหมายสมองสำหรับโรคเช่น DLPFC เช่น
การจัดหมวดหมู่ที่ควรจะดำเนินการในผู้ป่วยครั้งแรกตอน
ในการศึกษาในอนาคตโดยพิจารณาตัวผู้และตัวเมีย
แยก

ผลลัพธ์ (ไทย) 3:

วัตถุประสงค์ของการศึกษานี้เพื่อใช้รวม
ภายในหัวเรื่อง คือ ขนาดแปรเปลี่ยนแปลงคุณลักษณะ
( ร่อน ) และไม่ใช่เชิงเส้นสนับสนุนเวกเตอร์เครื่องจักร
( SVM ) เทคนิคโดยอัตโนมัติแยกประเภทผู้ป่วย
โรคจิตเภท การ dorsolateral เปลือกสมองส่วนหน้า ( dlpfc )
ถือว่าเป็นเครื่องหมาย neuroanatomical ที่เชื่อถือได้ของโรค
เลือกเป็นภูมิภาคที่น่าสนใจ ( ROI )
ห้าสิบสี่ผู้ป่วยจิตเภทและ 54 อายุและเพศตรงกัน
การควบคุมปกติเรียนกับ 1.5t MRI ( ความหนา 1.25 มม. ชิ้น
) สามขั้นตอนในการ ( 1 )
ตรวจสอบสถานที่และรายละเอียดของ dlpfc , ( 2 ) การสร้างศัพท์และกระเป๋า
คุณลักษณะของคำ ( โบว์ )
การคำนวณแทนสมอง ( 3 ) การจำแนก
SVM ซึ่งประกาศใช้ kernel ท้องถิ่นไปโดยปริยายใช้
คุณลักษณะที่ตรงกัน โดย
วิธีการถ่วงใหม่ถูกเสนอเพื่อพิจารณาจำแนกความเกี่ยวข้อง
ของตรวจพบกลุ่มคุณสมบัติ
ผลอย่างมากที่ได้รับสำหรับประเภทของ
ข้อมูลทั้งหมด ( ด้านซ้าย ด้านขวา 66.38 ร้อยละ 75 % ) การแสดงถูก
สูงขึ้นเมื่อผู้หญิง ( ด้านซ้าย ด้านขวา 84.09 % การ ) %
4 ( ด้านซ้าย 81.25 บาท ข้างขวา 7083 % )
พิจารณาแยกต่างหาก โดยทั่วไป การเพิ่มประสิทธิภาพในการทำงานหนัก

ไม่วิเคราะห์ทั้งหมด ผลของอายุ , เพศ , ยาต้านโรคจิตรักษา
โสดถูกแสดงบนไดรฟ์ dlpfc . นี้รวม
นวัตกรรม roi-svm วิธีช่วยให้ที่จะเชื่อถือได้ตรวจสอบ
วิชากับโรคจิตเภทตามเครื่องหมายสมองโครงสร้าง
สำหรับโรคเช่น dlpfc . เช่น
การจำแนกผู้ป่วยควรดำเนินการใน first-episode
ในการศึกษาในอนาคต โดยพิจารณาจากเพศชายและเพศหญิง
ต่างหาก