ReBA-Pred-Net：基于MRI的弱监督区域脑龄预测
计算机视觉与模式识别
2026-02-16 v1
摘要
脑龄已成为脑健康的重要生物标志物。然而，大多数先前工作针对的是整脑龄（whole brain age，WBA），这是一种粗糙的范式，难以支持疾病特征化和研究发育与衰老模式的任务，因为相关变化通常是区域选择性的而非全脑性的。因此，鲁棒的区域脑龄（regional brain age，ReBA）估计至关重要，但尚未建立一个广泛可用的模型。本文提出了区域脑龄预测网络（ReBA-Pred-Net），一个针对精细脑龄估计设计的教师-学生框架。教师生成软区域脑龄，以指导学生获得可靠的区域脑龄估计，并施加临床先验一致性约束（功能相同的区域应发生相似的变化）。为进行严格评估，我们引入两种间接指标：健康对照相似性（healthy control similarity，HCS），用于检验区域脑龄差（regional brain-age-gap，即区域脑龄减去年龄）分布在训练和不可见的健康对照之间是否一致；神经疾病相关性（neuro disease correlation，NDC），用于检验临床确认的患者是否在疾病关联区域显示出升高的脑龄差。跨多个背bone的实验表明，我们的方法在统计上和事实上都具有有效性。
引用
@article{arxiv.2602.12751,
title = {ReBA-Pred-Net: Weakly-Supervised Regional Brain Age Prediction on MRI},
author = {Shuai Shao and Yan Wang and Shu Jiang and Shiyuan Zhao and Xinzhe Luo and Di Yang and Jiangtao Wang and Yutong Bai and Jianguo Zhang},
journal= {arXiv preprint arXiv:2602.12751},
year = {2026}
}