迈向基于协方差神经网络的大脑年龄预测基础模型

大脑年龄是利用机器学习算法从神经影像数据集中推导出的生物学年龄估计值。相对于实际年龄增加的大脑年龄可能反映了对神经退行性病变和认知衰退的易感性增加。在本文中，我们研究了基于协方差神经网络（coVariance neural networks）的 NeuroVNN，将其作为大脑年龄预测应用的基础模型范式。NeuroVNN 首先在健康人群上作为回归模型进行预训练，利用皮层厚度特征预测实际年龄，随后微调以估计不同神经学背景下的大脑年龄。重要的是，NeuroVNN 为大脑年龄增加了解剖学可解释性，并具有“无标度”特性，使其能够迁移到根据任意大脑图谱策划的数据集。我们的结果表明，NeuroVNN 可以在不同人群中提取生物学上合理的大脑年龄估计值，并能成功迁移到维度不同于 NeuroVNN 训练数据集的数据集。