年龄预测性能在深部、浅部与小脑白质连接间的差异
神经元与认知
2023-07-06 v2 机器学习
摘要
人脑白质(WM)在生命周期中经历发育与退化过程。为探究WM解剖区域与年龄的关系,我们研究扩散磁共振成像纤维束成像,其被精细分割为深部、浅部和小脑WM中的纤维簇。我们提出一种基于深度学习的年龄预测模型,利用大卷积核与倒瓶颈结构。我们通过新颖的离散多面混合数据增强和一种基于先验知识的损失函数(鼓励年龄在预期范围内预测)来提升性能。我们研究源自人类连接组计划(HCP)的965名健康年轻人(22-37岁)的数据集。实验结果表明,所提模型达到2.59年的平均绝对误差,优于对比方法。我们发现,在该群体中深部WM对年龄预测信息量最大,而浅部WM信息量最小。总体而言,最具预测性的WM纤维束为来自深部WM的丘脑-额叶束和来自小脑WM的小脑内输入与浦肯野纤维束。
引用
@article{arxiv.2211.07398,
title = {Age Prediction Performance Varies Across Deep, Superficial, and Cerebellar White Matter Connections},
author = {Yuxiang Wei and Tengfei Xue and Yogesh Rathi and Nikos Makris and Fan Zhang and Lauren J. O'Donnell},
journal= {arXiv preprint arXiv:2211.07398},
year = {2023}
}
备注
5 pages, 1 figure