从临床T1加权的MRI中预测大脑年龄的可行性
Pedro A Valdes-Hernandez1, Chavier Laffitte Nodarse1, James H Cole2
1Department of Community Dentistry and Behavioral Science, University of Florida, USA; Pain Research and Intervention Center of Excellence, University of Florida, USA; Center for Cognitive Aging and Memory, McKnight Brain Institute, University of Florida, USA.
在临床MRI数据上使用DeepBrainNet进行大脑年龄预测是可行的,但需要进行偏差校正. 这种方法可以识别与性别有关的大脑年龄差异,尽管需要改进算法以获得更高的准确性.
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 生物标志物
背景情况:
- 通过MRI预测大脑年龄是一种潜在的疾病生物标志物.
- 由于协议差异,临床MRI数据未能用于大脑年龄的预测.
- 对临床数据进行深度学习模型性能评估至关重要.
研究的目的:
- 评估DeepBrainNet的可行性,从临床MRI扫描中预测大脑年龄.
- 描述和纠正临床大脑年龄数据中的预测偏差.
- 测试临床应用中偏差校正方法的通用性.
主要方法:
- 应用DeepBrainNet,受过研究数据的培训,对来自佛罗里达州15个设施的840个临床MRI进行了应用.
- 开发并测试了共同变量模型,以解决脑预测年龄减去时间年龄 (脑-PAD) 的预测偏差.
- 评估了扫描仪独立和年龄依赖的偏差校正功能.
主要成果:
- 一个扫描仪独立的线性年龄共变模型和二次偏差校正函数是最佳的.
- 偏差纠正的大脑年龄预测使得与性别相关的差异的检测成为可能.
- 平均绝对误差 (MAE) 在临床数据上为~8年;R2在纠正后从0.33提高到0.76.
结论:
- DeepBrainNet可以应用于临床人群,但与研究数据相比,准确性降低.
- 偏差校正对于在临床环境中可靠预测大脑年龄至关重要.
- 为了提高预测准确度,需要进一步开发算法或转移学习.
更多相关视频
09:06Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI—Application in Premanifest Huntington's Disease
Published on: June 9, 2018
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014