基于深度学习的年龄估计从临床计算机断层扫描成年人群胸部和腹部的图像数据
Bjarne Kerber1, Tobias Hepp2, Thomas Küstner1
1Department of Diagnostic and Interventional Radiology, University Hospital Tuebingen, Tuebingen, Germany.
PloS one
|November 7, 2023
概括
这项研究开发了一种深度学习模型,用于使用计算机断层扫描 (CT) 扫描进行自动化年龄估计,提供可靠的生物年龄标记. 该模型准确地从胸部和腹部CT图像中预测时间的年龄.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 老龄化是各种疾病的重要危险因素.
- 与衰老相关的形态变化可以在计算机断层扫描 (CT) 扫描中观察到.
- 目前的方法可能无法完全捕捉个体的生理状态.
研究的目的:
- 开发和验证使用临床CT扫描进行自动化年龄估计的深度学习模型.
- 评估模型预测时间年龄和量化不确定性的能力.
- 探索基于CT的年龄估计作为生物年龄的生物标志物的潜力.
主要方法:
- 用于年龄预测和不确定性量化而修改的预训练ResNet-18模型.
- 该模型在1653个非病理性胸部和腹部CT扫描 (年龄20-85岁) 上受过训练.
- 使用5倍交叉验证和独立测试组 (421名受试者) 来进行评估. 为了解释性,使用了Score-CAM.
主要成果:
- 平均绝对误差为5.76年 (交叉验证) 和6.50年 (测试组).
- 该模型在不同年龄组和性别中表现出强大而可靠的性能.
- Saliency 地图突出显示腰椎和腹腔大动脉是年龄估计的关键区域.
结论:
- 基于临床CT数据的基于深度学习的自动年龄估计是可行的和准确的.
- 开发的模型是可通用的,强大的,可靠的.
- 不确定性估计和突出性分析提高了模型的解释性和临床实用性.


