基于孤立森林技术和残差神经网络（ResNet）的脑衰老预测
图像与视频处理
2024-12-30 v1 人工智能
计算机视觉与模式识别
摘要
脑衰老是一种复杂且动态的过程，导致脑部的功能和结构发生变化。这些变化可能导致新发性神经退行性疾病和认知衰退的风险增加。因此，对脑部年龄的精准估计，利用神经影像数据，以检测神经退行性疾病的初始迹象，已成为必要。本文提出了一种 novel 深度学习方法，采用残差神经网络 101 版本 2（ResNet101V2）模型，从 MRI 扫描中预测脑部年龄。为训练、验证和测试我们提出的模型，我们使用了来自国际脑图谱联盟（ICBM）的 2102 张图像进行随机选择。随后，我们应用了包括图像归一化和使用孤立森林方法进行异常值检测在内的数据预处理技术。然后，我们评估了 various 预训练方法（即：MobileNetV2、ResNet50V2、ResNet101V2、Xception）。结果表明，ResNet101V2 模型的性能优于其他模型，在使用孤立森林过程前后分别获得了 0.9136 和 0.8242 年的 MAE。我们的方法在 ICBM 数据集上实现了高精度的脑部年龄估计，提供了可靠的脑部年龄预测。
引用
@article{arxiv.2412.19017,
title = {Brain Ageing Prediction using Isolation Forest Technique and Residual Neural Network (ResNet)},
author = {Saadat Behzadi and Danial Sharifrazi and Roohallah Alizadehsani and Mojtaba Lotfaliany and Mohammadreza Mohebbi},
journal= {arXiv preprint arXiv:2412.19017},
year = {2024}
}