使用基于阿尔茨海默病休息状态功能性MRI的图形神经网络进行大脑年龄预测

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 阿尔茨海默病 (AD) 是一种神经退行性疾病,影响生活质量.
• 使用神经成像来预测大脑年龄是AD的潜在生物标志物.
• 之前的研究主要使用结构性MRI,并有限地使用静止状态功能性MRI (rs-fMRI).

研究的目的:

• 应用图形神经网络 (GNN) 模型用于使用rs-fMRI预测AD中的大脑年龄.
• 将GNN性能与传统机器学习模型进行比较.
• 通过后期分析识别AD中的关键大脑区域.

主要方法:

• 利用图形神经网络 (GNN) 模型进行大脑年龄预测.
• 从事休息状态功能性MRI (rs-fMRI) 数据来自ADNI数据库.
• 将GNN模型性能与传统机器学习方法进行比较.

主要成果:

• 在使用rs-fMRI数据的正常对照中,GNN模型成功预测了大脑年龄.
• 与对照组相比,AD患者在预测的大脑年龄和时间年龄之间表现出更显著的差异.
• 这项研究证实了阿尔茨海默病患者的加速大脑衰老.

结论:

• rs-fMRI是AD研究中大脑年龄预测的一个有希望的神经成像模式.
• 该GNN模型在预测大脑年龄方面表现出有效性.
• 海马,副海马圈和杏仁体是影响AD中大脑年龄预测的关键大脑区域.