マシン・ラーニングベースの年齢予測,磁気共鳴血管検査データからの特徴サブセット選択

科学分野:

• 神経イメージング
• 生物医学工学
• 人工知能

背景:

• 脳血管の健康評価は 老化している人々にとって極めて重要です
• マグネティック・レゾナンス・アンジオグラフィー (MRA) は,頭蓋内動脈の詳細なデータを提供します.
• 機械学習 (ML) は複雑な血管の特徴を分析する可能性を秘めています

研究 の 目的:

• MRAデータを用いて血管の年齢を予測するMLモデルの有効性を評価する.
• 年齢を予測するために重要な血管の特徴を特定する.
• 特徴の選択が予測の精度に与える影響を評価する.

主な方法:

• 171人の3D飛行時間のMRAデータを分析した.
• 曲率と直径を含む169の特徴の抽出
• コレレーションベースの特徴選択 (CFS) とリリーフ-Fの5つのMLモデルのトレーニングと検証

主要な成果:

• CFSで選択された特徴のサブセットを持つランダムな森林モデルは最高の性能を達成しました (RMSE: 14.0年,R2: 0.275).
• 歪みメトリックは直径統計よりも有意な予測指標として特定されました.
• 特徴の選択は,すべての抽出された特徴を使用すると比較してMLモデルのパフォーマンスを向上させました.

結論:

• 頭蓋内動脈の特徴を用いたMLベースの年齢予測は可能である.
• CFSのような特徴選択方法は予測の精度を向上させます.
• 血管の歪みは血管の年齢を予測する重要な要因です.