基于脑块的 MR 图像脑龄估计
计算机视觉与模式识别
2020-10-02 v2
摘要
从磁共振图像（MRI）估计脑龄可得出受试者生物学脑龄与 chronological age（实际年龄）之间的差异。这是一种神经变性的潜在生物标志物，例如作为阿尔茨海默病的一部分。以较高脑龄表现的神经变性的早期检测有可能为受影响个体提供更好的医疗护理和规划。许多研究已提出使用机器学习尤其是深度学习技术从脑 MRI 预测实际年龄。与大多数使用全脑体积的研究相反，本研究开发了一种新的深度学习方法，使用脑的 3D 块以及卷积神经网络（CNN）来构建局部化的脑龄估计器。通过这种方式，我们可以可视化对估计脑龄起最重要作用的区域，从而得到更多基于解剖学的可解释结果，并由此证实相关文献提出的脑室和海马是最具信息量的区域。此外，我们利用该知识，通过集成方法（如平均或线性回归）组合不同块的结果来改进年龄估计任务的整体性能。网络在 UK Biobank 数据集上训练，该方法取得了最先进的结果：纯区域估计的平均绝对误差为 2.46 年，块集成在偏差校正前为 2.13 年，偏差校正后为 1.96 年。
引用
@article{arxiv.2008.12965,
title = {Patch-based Brain Age Estimation from MR Images},
author = {Kyriaki-Margarita Bintsi and Vasileios Baltatzis and Arinbjörn Kolbeinsson and Alexander Hammers and Daniel Rueckert},
journal= {arXiv preprint arXiv:2008.12965},
year = {2020}
}
备注
Accepted (oral) at the MLCN workshop, MICCAI 2020