从临床级的MRI预测到MR协议不可知,无偏见的大脑年龄

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 生物标志物开发 生物标志物开发

背景情况:

• 大脑年龄估计,预测和实际年龄之间的差异,显示出临床潜力.
• 现有的大脑年龄模型仅限于高分辨率的研究MRI,阻碍了临床使用.
• 临床MRI的可变性 (模式,分辨率,协议) 对模型的通用性构成了挑战.

研究的目的:

• 开发一种适用于各种临床级MRI数据的大脑年龄估计模型.
• 为了创建一个强大的模型在MRI模式,分辨率和切片方向的变化.
• 解决和纠正对无偏见生物标志物的大脑年龄估计中的回归偏差.

主要方法:

• 使用卷积神经网络 (CNN) 采用双转移学习策略.
• 美国有线电视新闻网 (CNN) 在6281个临床MRI上进行了再培训,涉及7种模式和8种扫描仪模型.
• 合成研究级磁化准备的快速梯度回声MRI (MPRAGEs) 用于训练,并开发了一个偏差模型用于校正.

主要成果:

• 该模型在各种临床MRI模式中实现了5.86-8.59年的平均绝对误差 (MAE).
• 对于一些模式,合成MPRAGEs的性能与实际MPRAGEs相当.
• 偏差校正模型被证明是可概括的,在新样本中消除了与年龄相关的相关性.
• 大脑预测年龄差异 (大脑-PAD) 在不同的模式中显示出可靠性.

结论:

• 从任意的临床级MRI中证明了可行的大脑年龄预测.
• 开发的模型通过可靠的大脑年龄生物标志物,为个性化医学的潜力做出了贡献.
• 该方法解决了先前模型的局限性,扩大了临床适用性.