利用全局与局部依赖估计脑龄
图像与视频处理
2022-09-20 v1 计算机视觉与模式识别
摘要
脑龄已被证明是与认知表现和脑部疾病相关的表型。实现准确的脑龄预测是将预测脑龄差异优化为生物标志物的必要前提。作为一种综合生物学特征，脑龄难以通过采用特征工程及局部处理（如局部卷积和循环操作，每次仅处理一个局部邻域）的模型准确刻画。相反，Vision Transformer 学习图像块标记的全局注意力交互，引入较少归纳偏置并建模长程依赖。为此，我们提出了一种新颖的利用全局与局部依赖学习脑龄解释的网络，其中相应表示由连续置换 Transformer (SPT) 和卷积块捕获。SPT 带来计算效率，并通过连续编码来自不同视角的 2D 切片间接定位 3D 空间信息。最后，我们收集了 22645 名受试者的大型队列，年龄介于 14 至 97 岁，我们的网络在一系列深度学习方法中表现最佳，在验证集上平均绝对误差 (MAE) 为 2.855，在独立测试集上为 2.911。
引用
@article{arxiv.2209.08933,
title = {Estimating Brain Age with Global and Local Dependencies},
author = {Yanwu Yang and Xutao Guo and Zhikai Chang and Chenfei Ye and Yang Xiang and Haiyan Lv and Ting Ma},
journal= {arXiv preprint arXiv:2209.08933},
year = {2022}
}