区分健康衰老与痴呆：基于深度网络的大脑萎缩生物力学模拟

组织变形的生物力学建模可用于模拟纵向脑演化的不同情景。本工作中，我们提出一个用于健康衰老及阿尔茨海默病中脑萎缩超弹性应变建模的深度学习框架。该框架直接对年龄、疾病状态和扫描间隔的影响进行建模，以回归萎缩的区域模式，并由此通过基于应变的模型估计变形。该模型使用来自ADNI队列的3D结构磁共振成像数据进行训练和验证。结果表明，该框架能够估计符合阿尔茨海默病已知进程的逼真变形，并清晰区分健康与痴呆的衰老模式。这表明该框架有潜力被纳入可解释的疾病模型，用于干预探索和反事实示例。