基于多模态神经影像估计生物学脑年龄的多任务对抗变分自编码器
计算机视觉与模式识别
2024-11-18 v1 人工智能
摘要
尽管深度学习在从结构MRI数据估计脑年龄方面取得了进展，但由于功能MRI的复杂结构和功能连接测量的噪声特性，引入功能MRI数据仍具挑战性。为此，我们提出了多任务对抗变分自编码器（M-AVAE），这是一种定制的深度学习框架，旨在通过多模态MRI数据融合改进脑年龄预测。该模型将潜在变量分离为通用码和独特码，分离共享特征和模态特异性特征。通过结合多任务学习并以性别分类作为额外任务，该模型捕捉了性别特异性的衰老模式。在OpenBHB数据集（一个大型多中心脑MRI集合）上评估，该模型实现了2.77年的平均绝对误差，优于传统方法。这一成功使M-AVAE成为基于元宇宙的医疗保健应用中脑年龄估计的有力工具。
引用
@article{arxiv.2411.10100,
title = {Multi-Task Adversarial Variational Autoencoder for Estimating Biological Brain Age with Multimodal Neuroimaging},
author = {Muhammad Usman and Azka Rehman and Abdullah Shahid and Abd Ur Rehman and Sung-Min Gho and Aleum Lee and Tariq M. Khan and Imran Razzak},
journal= {arXiv preprint arXiv:2411.10100},
year = {2024}
}