• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Image-Derived Phenotyping Informed by Independent Component Analysis-An Atlas-Based Approach.

作者信息

Moradi Mahdi, Ekhtiari Hamed, Victor Teresa A, Paulus Martin, Kuplicki Rayus

机构信息

Laureate Institute for Brain Research, Tulsa, OK, United States.

Department of Computer Science, University of Tulsa, Tulsa, OK, United States.

出版信息

Front Neurosci. 2020 Feb 21;14:118. doi: 10.3389/fnins.2020.00118. eCollection 2020.

DOI:10.3389/fnins.2020.00118
PMID:32153355
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC7047320/
Abstract
摘要
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/569a/7047320/2c34c5b3e363/fnins-14-00118-g0001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/569a/7047320/2c34c5b3e363/fnins-14-00118-g0001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/569a/7047320/2c34c5b3e363/fnins-14-00118-g0001.jpg

相似文献

1
Image-Derived Phenotyping Informed by Independent Component Analysis-An Atlas-Based Approach.基于独立成分分析的图像衍生表型分析——一种基于图谱的方法。
Front Neurosci. 2020 Feb 21;14:118. doi: 10.3389/fnins.2020.00118. eCollection 2020.
2
Sharing the Right Data Right: A Symbiosis with Machine Learning.分享正确的数据：与机器学习共生。
Trends Plant Sci. 2019 Feb;24(2):99-102. doi: 10.1016/j.tplants.2018.10.016. Epub 2018 Nov 26.
3
Machine Learning for Plant Phenotyping Needs Image Processing.用于植物表型分析的机器学习需要图像处理技术。
Trends Plant Sci. 2016 Dec;21(12):989-991. doi: 10.1016/j.tplants.2016.10.002. Epub 2016 Oct 31.
4
Comparative study of algorithms for synthetic CT generation from MRI: Consequences for MRI-guided radiation planning in the pelvic region.从 MRI 生成合成 CT 的算法比较研究：对骨盆区域 MRI 引导放疗计划的影响。
Med Phys. 2018 Nov;45(11):5218-5233. doi: 10.1002/mp.13187. Epub 2018 Oct 10.
5
MITK Phenotyping: An open-source toolchain for image-based personalized medicine with radiomics.MITK 表型分析：基于影像的个体化医学与放射组学的开源工具链。
Radiother Oncol. 2019 Feb;131:108-111. doi: 10.1016/j.radonc.2018.11.021. Epub 2018 Dec 31.
6
A powerful and efficient multivariate approach for voxel-level connectome-wide association studies.一种强大而高效的体素水平连接组全相关研究的多元方法。
Neuroimage. 2019 Mar;188:628-641. doi: 10.1016/j.neuroimage.2018.12.032. Epub 2018 Dec 18.
7
Deep Learning for Plant Stress Phenotyping: Trends and Future Perspectives.深度学习在植物胁迫表型分析中的应用：趋势与未来展望。
Trends Plant Sci. 2018 Oct;23(10):883-898. doi: 10.1016/j.tplants.2018.07.004. Epub 2018 Aug 10.
8
Machine learning for phenotyping opioid overdose events.机器学习在阿片类药物过量表型中的应用。
J Biomed Inform. 2019 Jun;94:103185. doi: 10.1016/j.jbi.2019.103185. Epub 2019 Apr 25.
9
Efficient multi-atlas abdominal segmentation on clinically acquired CT with SIMPLE context learning.基于简单上下文学习的临床采集CT图像的高效多图谱腹部分割
Med Image Anal. 2015 Aug;24(1):18-27. doi: 10.1016/j.media.2015.05.009. Epub 2015 May 21.
10
Automatic labeling of MR brain images through extensible learning and atlas forests.通过可扩展学习和图谱森林实现磁共振脑图像的自动标注。
Med Phys. 2017 Dec;44(12):6329-6340. doi: 10.1002/mp.12591. Epub 2017 Oct 24.

引用本文的文献

1
fMRI-based data-driven brain parcellation using independent component analysis.基于功能磁共振成像（fMRI），采用独立成分分析的数据驱动脑图谱绘制
J Neurosci Methods. 2025 May;417:110403. doi: 10.1016/j.jneumeth.2025.110403. Epub 2025 Feb 18.
2
Evaluating the resource allocation index as a potential fMRI-based biomarker for substance use disorder.评估资源分配指数作为物质使用障碍的潜在 fMRI 生物标志物。
Drug Alcohol Depend. 2020 Nov 1;216:108211. doi: 10.1016/j.drugalcdep.2020.108211. Epub 2020 Aug 9.

本文引用的文献

1
Ten simple rules for predictive modeling of individual differences in neuroimaging.神经影像学个体差异预测建模的 10 个简单规则。
Neuroimage. 2019 Jun;193:35-45. doi: 10.1016/j.neuroimage.2019.02.057. Epub 2019 Mar 1.
2
Classifying and characterizing nicotine use disorder with high accuracy using machine learning and resting-state fMRI.利用机器学习和静息态 fMRI 实现尼古丁使用障碍的高精度分类和特征描述。
Addict Biol. 2019 Jul;24(4):811-821. doi: 10.1111/adb.12644. Epub 2018 Jun 27.
3
Effect of Ibuprofen on BrainAGE: A Randomized, Placebo-Controlled, Dose-Response Exploratory Study.
布洛芬对脑龄的影响：一项随机、安慰剂对照、剂量反应的探索性研究。
Biol Psychiatry Cogn Neurosci Neuroimaging. 2018 Oct;3(10):836-843. doi: 10.1016/j.bpsc.2018.05.002. Epub 2018 Jun 23.
4
Automatic recognition of holistic functional brain networks using iteratively optimized convolutional neural networks (IO-CNN) with weak label initialization.利用具有弱标签初始化的迭代优化卷积神经网络（IO-CNN）自动识别整体功能脑网络。
Med Image Anal. 2018 Jul;47:111-126. doi: 10.1016/j.media.2018.04.002.
5
Tulsa 1000: a naturalistic study protocol for multilevel assessment and outcome prediction in a large psychiatric sample.塔尔萨1000：一项针对大型精神病学样本进行多层次评估和结果预测的自然主义研究方案。
BMJ Open. 2018 Jan 24;8(1):e016620. doi: 10.1136/bmjopen-2017-016620.
6
ICN_Atlas: Automated description and quantification of functional MRI activation patterns in the framework of intrinsic connectivity networks.ICN_Atlas：基于内在连通性网络的功能磁共振成像激活模式的自动描述和量化。
Neuroimage. 2017 Dec;163:319-341. doi: 10.1016/j.neuroimage.2017.09.014. Epub 2017 Sep 9.
7
Resting state fMRI: A review on methods in resting state connectivity analysis and resting state networks.静息态功能磁共振成像：静息态连接性分析及静息态网络方法综述
Neuroradiol J. 2017 Aug;30(4):305-317. doi: 10.1177/1971400917697342. Epub 2017 Mar 29.
8
Using Dual Regression to Investigate Network Shape and Amplitude in Functional Connectivity Analyses.在功能连接分析中使用双重回归研究网络形状和振幅
Front Neurosci. 2017 Mar 13;11:115. doi: 10.3389/fnins.2017.00115. eCollection 2017.
9
Multimodal population brain imaging in the UK Biobank prospective epidemiological study.英国生物银行前瞻性流行病学研究中的多模态人群脑成像
Nat Neurosci. 2016 Nov;19(11):1523-1536. doi: 10.1038/nn.4393. Epub 2016 Sep 19.
10
Dimensionality of ICA in resting-state fMRI investigated by feature optimized classification of independent components with SVM.通过支持向量机对独立成分进行特征优化分类来研究静息态功能磁共振成像中独立成分分析的维度。
Front Hum Neurosci. 2015 May 8;9:259. doi: 10.3389/fnhum.2015.00259. eCollection 2015.