通过多个实例的学习来估计 histopathologic 大脑年龄
Gabriel A Marx1,2, Justin Kauffman1,2, Andrew T McKenzie1,2,3
1Department of Pathology, Icahn School of Medicine at Mount Sinai, Friedman Brain Institute, 1 Gustave L. Levy Place, Box 1194, New York, NY, 10029, USA.
Acta neuropathologica
|October 10, 2023
概括
通过使用大脑组织图像的深度学习来估计脑细胞病理学大脑年龄,为大脑衰老提供了新的见解. 这种方法揭示了与临床结果的关联,优于表观遗传措施.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 病理学 病理学 病理学
背景情况:
- 大脑衰老涉及生物学和时间学年龄之间的不一致,称为年龄加速.
- 来自整张幻灯片图像的组织病理学数据可以用于深度学习模型,以评估大脑衰老加速.
- 了解大脑衰老对于了解正常生理学和与年龄相关的认知衰退,包括阿尔茨海默病,至关重要.
研究的目的:
- 开发一个组织学大脑年龄估计模型,使用数字化的人类死后海马区段.
- 评估基因病理学大脑衰老加速作为理解大脑衰老及其临床相关的指标的实用性.
主要方法:
- 数字化的人类死后海马部分被用来训练一个深度学习模型.
- 该模型根据组织病理学特征估计了大脑年龄.
- 分析了注意力权重,以确定与年龄相关变化相关的神经解剖学区域.
主要成果:
- 开发的模型预测了大脑年龄,平均绝对误差为5.45±0.22年.
- 注意力权重突出显示了神经解剖学区域容易发生与年龄有关的变化.
- 组织病理学大脑衰老加速与临床和病理学结果有显著的关联,与表观遗传学措施不同.
结论:
- 组织病理学大脑年龄是评估导致大脑衰老的因素的强大和独立指标.
- 这种方法为研究大脑衰老机制和识别早期疾病标志物提供了强大的工具.
