基于健康人群与深度学习和结构 MRI 的脑龄估计
计算机视觉与模式识别
2019-07-02 v1 图像与视频处理
定量方法
摘要
大量研究已证实，从健康人群训练的统计模型导出的估计脑龄，构成一种可预测认知衰退与各种神经疾病的宝贵生物标志物。本工作中，我们从多个公开来源整理了一个健康人群中的大规模异质结构脑 MRI 数据集（N = 10,158，年龄范围 18 - 97），并在其上训练深度学习模型用于脑龄估计。该大规模数据集的可用性实现了成年生命周期中更均匀的年龄分布，从而进行有效年龄估计且不对特定年龄组产生偏倚。我们证明，以平均绝对误差（MAE）和相关系数（r）评估的年龄估计精度，在反映该定制人群的留出测试集（MAE = 4.06 年，r = 0.970）以及先前研究已评估过的独立生命周期评估数据集（MAE = 4.21 年，r = 0.960）上均优于先前报道的方法。我们进一步证明了估计年龄在认知功能生命周期老化分析中的效用。此外，我们进行了广泛的消融实验并采用特征归因技术来分析哪些区域贡献了最大的预测价值，展示了额叶的显著性以及跨生命周期的模式转变。总之，我们实现了优越的年龄估计性能，确认了深度学习的功效，以及使用比先前研究数量更大且分布更均匀的数据训练的附加效用。我们通过多种途径展示了区域对脑龄预测的贡献，并确认估计与 chronological 脑龄之间的偏差与神经心理学测量指标的关联。
引用
@article{arxiv.1907.00943,
title = {Estimating brain age based on a healthy population with deep learning and structural MRI},
author = {Xinyang Feng and Zachary C. Lipton and Jie Yang and Scott A. Small and Frank A. Provenzano},
journal= {arXiv preprint arXiv:1907.00943},
year = {2019}
}
备注
32 pages, 9 figures, 6 tables