作为脑异常度量的年龄估计中的高斯过程不确定性

用于年龄估计的多变量回归模型是评估与神经病理相关的异常脑形态的有力工具。年龄预测模型建立在健康受试者队列上，旨在反映正常衰老模式。将这些多变量模型应用于患病受试者通常导致高预测误差，其假设是神经病理呈现与加速衰老相似的退化模式。本工作中，我们提出一种替代观点，即病理并非遵循与正常衰老相似的轨迹。相反，我们提出使用度量偏离平均衰老轨迹的指标。我们提出使用两种不同度量来测度这些偏离：高斯过程回归模型中的不确定性，以及新提出的年龄加权不确定性度量。因此，我们的方法假设病理性脑模式不同于正常衰老者。我们给出自闭症、轻度认知障碍与阿尔茨海默病受试者的结果，以凸显该方法对不同疾病与年龄段的通用性。我们评估了体积、厚度与 VBM 特征以量化脑形态。我们的评估在从多个公开神经影像数据库获取的大量图像上进行。在所有特征上，我们基于不确定性的度量比预测误差能更好地区分患病受试者与健康个体。最后，我们阐明了疾病模式与正常衰老的差异，支持了将不确定性用作神经病理度量。