AGE2HIE：从脑龄迁移学习预测婴幼儿脑损伤的神经认知结局
图像与视频处理
2024-11-11 v1 计算机视觉与模式识别
机器学习
神经元与认知
摘要
缺氧-缺血脑损伤(HIE)是每1000名新生儿中1至5例的情况，其中30%至50%的病例会导致不良神经认知结局。然而，这些结局只能在年龄2岁时才能可靠评估。因此，使用深度学习模型准确预测HIE相关的神经认知结局对于改进临床决策、指导治疗决策和评估新疗法至关重要。然而，开发这些深度学习模型的主要挑战之一是稀缺的大规模标注HIE数据集。我们组装了第一个且最大的公开数据集，但仅包含156例且带有2年龄神经认知结局标签。相比之下，我们收集了8859例正常脑黑色磁共振影像(MRIs)，年龄覆盖0-97岁，可用于脑龄估计。本文介绍AGE2HIE，将健康对照脑MRI中学习到的知识迁移到疾病队列，从结构MRI迁移到扩散MRI，从连续年龄估计迁移到二元神经认知结局预测，从0-97岁的寿命年龄迁移到0-2周的婴幼儿。与从头训练相比，脑龄估计的迁移学习不仅显著提高了预测精度(在相同或多站点测试中提高3%或2%)，也提高了模型在不同站点之间的泛化能力(在跨站点验证中提高5%)。
引用
@article{arxiv.2411.05188,
title = {AGE2HIE: Transfer Learning from Brain Age to Predicting Neurocognitive Outcome for Infant Brain Injury},
author = {Rina Bao and Sheng He and Ellen Grant and Yangming Ou},
journal= {arXiv preprint arXiv:2411.05188},
year = {2024}
}
备注
Submitted to ISBI 2025