基于 LSTM 的儿童脑 MRI 脑龄估计
计算机视觉与模式识别
2020-02-24 v1
摘要
基于儿童脑 MRI 的脑龄预测是脑健康与脑发育分析的一项重要生物标志物。在本文中，我们将 3D 脑 MRI 体数据视为一系列 2D 图像，并提出一种使用循环神经网络进行脑龄估计的新框架。所提方法命名为 2D-ResNet18+长短期记忆（LSTM），其由四部分组成：用于 2D 图像特征提取的 2D ResNet18、用于序列间特征降维的池化层、一个 LSTM 层，以及最终的回归层。我们将所提方法应用于公开的跨站点 NIH-PD 数据集，并在第二个跨站点数据集上评估泛化性，结果表明所提 2D-ResNet18+LSTM 方法比传统的基于 3D 的神经网络在脑龄估计上提供了更好的结果。
引用
@article{arxiv.2002.09045,
title = {Brain Age Estimation Using LSTM on Children's Brain MRI},
author = {Sheng He and Randy L. Gollub and Shawn N. Murphy and Juan David Perez and Sanjay Prabhu and Rudolph Pienaar and Richard L. Robertson and P. Ellen Grant and Yangming Ou},
journal= {arXiv preprint arXiv:2002.09045},
year = {2020}
}
备注
ISBI 2020