一种体素级脑龄预测方法：评估脑区老化的途径

脑老化是一种区域性现象，这一方面在使用机器学习方法的脑龄预测研究中仍相对未被充分探索。体素级预测可提供局域化的脑龄估计，从而给出关于区域老化过程的细粒度洞察。这对于理解健康与患病受试者老化轨迹的差异至关重要。本工作提出一种基于深度学习的多任务模型，用于从T1加权磁共振图像进行体素级脑龄预测。所提模型优于文献中已有模型，并在应用于健康与患病人群时产生有价值的临床洞察。对体素级脑龄预测进行区域分析，以理解脑中已知解剖结构的老化轨迹，并表明健康受试者与患有潜在神经系统疾病（如痴呆，更具体地，阿尔茨海默病）的受试者在区域老化轨迹上存在差异。我们的代码见 https://github.com/nehagianchandani/Voxel-level-brain-age-prediction。