基于回归模型与MRI衍生特征的鲁棒脑龄估计
图像与视频处理
2023-06-12 v1 计算机视觉与模式识别
机器学习
神经元与认知
摘要
生物脑龄的确定是评估神经系统疾病和理解衰老过程中形态学变化的关键生物标志物。已有多种机器学习模型被提出，通过健康对照的磁共振成像（MRI）来估计脑龄。然而，由于适当MRI衍生特征的选择以及MRI采集的高成本，开发鲁棒的脑龄估计（BAE）框架一直具有挑战性。本研究中，我们提出一种新颖的BAE框架，使用Open Big Healthy Brain（OpenBHB）数据集——这是一个新的多中心公开基准数据集，包含3965名6至86岁健康对照的T1加权（T1-w）脑MRI扫描衍生的区域级特征指标。我们的方法整合了三种不同的MRI衍生区域特征和不同回归模型，实现了高度准确的脑龄估计，平均绝对误差（MAE）为3.25年，证明了该框架的鲁棒性。我们还分析了模型在按性别（男性和女性）划分的健康测试组上的基于回归的表现。所提出的BAE框架为脑龄估计提供了新途径，对理解神经系统疾病和与年龄相关的脑变化具有重要意义。
引用
@article{arxiv.2306.05514,
title = {Robust Brain Age Estimation via Regression Models and MRI-derived Features},
author = {Mansoor Ahmed and Usama Sardar and Sarwan Ali and Shafiq Alam and Murray Patterson and Imdad Ullah Khan},
journal= {arXiv preprint arXiv:2306.05514},
year = {2023}
}
备注
Published at the 15th International Conference on Computational Collective Intelligence