用于婴儿脑髓鞘成熟估计的卷积神经网络
定量方法
2019-09-10 v1 图像与视频处理
摘要
髓鞘化在婴儿脑神经发育中起着重要作用，MRI可在白质处以T1高信号与T2低信号强度显示髓鞘化扩展。我们尝试构建卷积神经网络机器学习模型以估计髓鞘化。构建了八层CNN架构，利用119名不超过24个月受试者的T1与T2加权图像在髓鞘成熟相关的5个水平上估计受试者年龄。以全部年龄数据集训练的CNN模型显示估计年龄与校正年龄间强相关，其相关系数、均方根误差与平均绝对误差分别为0.81、3.40与2.28。此外，采用0至16个月与8至24个月两个数据集的集成学习模型将其提升至0.93、2.12与1.34。深度学习可适用于婴儿脑髓鞘化估计。
引用
@article{arxiv.1909.03986,
title = {Convolutional Neural Networks for Estimation of Myelin Maturation in Infant Brain},
author = {Akihiko Wada and Yuya Saito and Ryusuke Irie and Koji Kamagata and Tomoko Maekawa and Shohei Fujita and Akifumi Hagiwara and Kanako Kumamaru and Michimasa Suzuki and Atsushi Nakanishi and Masaaki Hori and Toshiaki Shimizu and Shigeki Aoki},
journal= {arXiv preprint arXiv:1909.03986},
year = {2019}
}
备注
7 pages, 4 figures, 1 table