OTFPF：基于最优传输的特征金字塔融合网络与3D重叠ConvNeXt用于脑龄估计
计算机视觉与模式识别
2022-05-12 v2 机器学习
摘要
健康大脑的实际年龄能够从T1加权磁共振图像（T1 MRIs）使用深度神经网络进行预测，且预测的脑龄可作为检测衰老相关疾病或障碍的有效生物标志物。本文提出一种端到端神经网络架构，称为基于最优传输的特征金字塔融合（OTFPF）网络，用于基于T1 MRIs的脑龄估计。OTFPF由三类模块组成：基于最优传输的特征金字塔融合（OTFPF）模块、3D重叠ConvNeXt（3D OL-ConvNeXt）模块和融合模块。这些模块增强了OTFPF网络对每个大脑半多模态和多级特征金字塔信息的理解，并显著提升了估计性能。与近期最先进（SOTA）模型相比，所提OTFPF收敛更快且性能更优。在11,728张年龄3–97岁的MRIs上的实验表明，OTFPF网络可提供准确的脑龄估计，估计年龄与实际年龄之间的平均绝对误差（MAE）为2.097、Pearson相关系数（PCC）为0.993、Spearman秩相关系数（SRCC）为0.989。广泛的定量实验与消融实验证明了OTFPF网络的优越性与合理性。代码与实现细节将在最终决定后发布于GitHub：https://github.com/ZJU-Brain/OTFPF。
引用
@article{arxiv.2205.04684,
title = {OTFPF: Optimal Transport-Based Feature Pyramid Fusion Network for Brain Age Estimation with 3D Overlapped ConvNeXt},
author = {Yu Fu and Yanyan Huang and Yalin Wang and Shunjie Dong and Le Xue and Xunzhao Yin and Qianqian Yang and Yiyu Shi and Cheng Zhuo},
journal= {arXiv preprint arXiv:2205.04684},
year = {2022}
}