基于脑白质特征建模与预测健康受试者年龄与性别：一种深度学习方法
图像与视频处理
2022-02-09 v1 计算机视觉与模式识别
摘要
人脑白质（WM）结构备受科学界关注。扩散 MRI 提供了一种非侵入式描述脑白质结构的强有力工具。为潜在实现对健康受试者年龄与性别在脑连接组映射上的年龄相关变化监测及性别相关脑结构差异研究，我们提取基于纤维簇的扩散特征，并用一种新颖的集成神经网络分类器预测性别与年龄。我们在 Human Connectome Project (HCP) 青年成人数据集上开展实验，结果表明我们的模型在性别预测上达到 94.82% 准确率，在年龄预测上达到 2.51 年 MAE。我们还显示分数各向异性（FA）对性别最具预测性，而纤维数量对年龄最具预测性，且不同特征的组合可提升模型性能。
引用
@article{arxiv.2202.03595,
title = {Model and predict age and sex in healthy subjects using brain white matter features: A deep learning approach},
author = {Hao He and Fan Zhang and Steve Pieper and Nikos Makris and Yogesh Rathi and William Wells and Lauren J. O'Donnell},
journal= {arXiv preprint arXiv:2202.03595},
year = {2022}
}
备注
accepted by ISBI 2022