کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4181404 1277111 2016 42 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multimodal Fusion of Brain Imaging Data: A Key to Finding the Missing Link(s) in Complex Mental Illness
ترجمه فارسی عنوان
تلفیق چندجملعی داده های تصویربرداری مغز: کلید دستیابی به پیوند گمشده در بیماری های روانی پیچیده
کلمات کلیدی
عملکرد مغز، اتصال همجوشی داده ها، تجزیه و تحلیل جزء مستقل، روانپریشی جنون جوانی،
ترجمه چکیده
در حال تبدیل شدن به طور فزاینده ای روشن است که ترکیب داده های تصویربرداری مغز چندجملهای اطلاعات اضافی را برای سوژه های فردی با بهره گیری از اطلاعات چندجملهای غنی که وجود دارد، فراهم می کند. با این حال، تعدادی از مطالعات که همجوشی چندجملهای واقعی (به عنوان مثال، سرمایه گذاری بر اطلاعات مشترک بین روش ها) هنوز با توجه به مزایای شناخته شده، بسیار کم است. به طور جزئی، این به این دلیل است که مطالعات چندجمله ای نیاز به تخصص گسترده ای در جمع آوری، تجزیه و تحلیل و تفسیر نتایج از مطالعات یکجانبه دارند. در این مقاله ابتدا با معرفی دلایل اصلی این که ترکیب چندجمله ای داده ها مهم است و چه چیزی می تواند انجام دهد و مهمتر از همه، چگونه می تواند به ما برای جلوگیری از نتیجه گیری اشتباه و کمک به جبران مطالعات تصویر برداری ناقص مغز کمک کند. ما همچنین چالش هایی را که باید برای دستیابی به چنین رویکردهایی به طور گسترده ای توسط جامعه مورد استفاده قرار گیرد، مورد بحث قرار می دهیم. سپس یک بررسی از مطالعات گوناگون که از تلفیق داده های چندجمله ای (عمدتا در مورد روان درمانی متمرکز شده اند) ارائه می شود و همچنین مقدمه ای برای برخی از رویکردهای تحلیلی موجود ارائه می شود. در نهایت، ما در مورد برخی از رویکردهای در حال پیشرفت به همجوشی چندجملهای، از جمله آموزش عمیق و طبقه بندی چندجمله ای که وعده های قابل توجهی را نشان می دهند، بحث می کنیم. نتیجه گیری ما این است که همگام سازی داده های چندجمله ای به سرعت در حال رشد است، اما هنوز هم استفاده نشده است. پیچیدگی مغز انسان همراه با اندازه گیری ناقص ارائه شده توسط تکنولوژی تصویربرداری موجود، باعث تلفیق ترانزیستورهای چند هسته ای می شود که برای کاهش خطاهای ناخواسته ضروری است و امیدوارم کلید یافتن لینک های گمشده در بیماری های پیچیده روانی باشد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی روانپزشکی بیولوژیکی
پیش نمایش مقاله
تلفیق چندجملعی داده های تصویربرداری مغز: کلید دستیابی به پیوند گمشده در بیماری های روانی پیچیده
چکیده انگلیسی
It is becoming increasingly clear that combining multimodal brain imaging data provides more information for individual subjects by exploiting the rich multimodal information that exists. However, the number of studies that do true multimodal fusion (i.e., capitalizing on joint information among modalities) is still remarkably small given the known benefits. In part, this is because multimodal studies require broader expertise in collecting, analyzing, and interpreting the results than do unimodal studies. In this article, we start by introducing the basic reasons why multimodal data fusion is important and what it can do and, importantly, how it can help us avoid wrong conclusions and help compensate for imperfect brain imaging studies. We also discuss the challenges that need to be confronted for such approaches to be more widely applied by the community. We then provide a review of the diverse studies that have used multimodal data fusion (primarily focused on psychosis) as well as provide an introduction to some of the existing analytic approaches. Finally, we discuss some up-and-coming approaches to multimodal fusion including deep learning and multimodal classification that show considerable promise. Our conclusion is that multimodal data fusion is rapidly growing, but it is still underutilized. The complexity of the human brain coupled with the incomplete measurement provided by existing imaging technology makes multimodal fusion essential to mitigate misdirection and hopefully provide a key to finding the missing link(s) in complex mental illness.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Biological Psychiatry: Cognitive Neuroscience and Neuroimaging - Volume 1, Issue 3, May 2016, Pages 230-244
نویسندگان
, ,