使用图表预测的大脑年龄卷积神经网络解释了早产新生儿的神经发育轨迹.
Mengting Liu1,2, Minhua Lu3, Sharon Y Kim2
1School of Biomedical Engineering, Sun Yat-Sen University, Shenzhen, 518107, China.
European radiology
|November 13, 2023
概括
使用图形卷积网络 (GCN) 预测早产新生儿的大脑年龄显示出有希望. 这个大脑年龄指数 (BAI) 调解了风险因素和神经发育结果,为这个脆弱人群提供了更好的临床解释.
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:
- 怀孕的第三个三个月涉及显著的大脑发育.
- 过早出生的新生儿面临着产后异常和神经发育轨迹改变的风险.
研究的目的:
- 为了调查预测的大脑年龄 (PBA),从分析第三季度皮质形态的图形卷积网络 (GCN) 来得出的,与产后问题和神经发育结果相关.
- 评估PBA在了解早产婴儿神经发育路径方面的有用性.
主要方法:
- 在两个数据集中分析了来自早产新生儿的577个T1MRI扫描.
- 利用NEOCIVET管道进行皮质表面和形态提取.
- 采用GCN来预测大脑年龄,计算大脑年龄指数 (BAI = PBA - 时间年龄).
- 使用结构方程模型 (SEM) 检查了BAI与诸如早产,围产期脑损伤,产后事件和30个月神经发育得分等因素之间的关系.
主要成果:
- 在没有脑病变的早产新生儿中,基于GCN的PBA预测实现了0.96周的平均绝对误差,超过了传统的机器学习方法.
- SEM发现,BAI调解了早产和产后临床因素对30个月神经发育结果的影响.
- BAI没有调解围产期脑损伤对神经发育结果的影响.
结论:
- 通过基于GCN的PBA测量的大脑形态,具有临床相关性,与产后因素联系在一起,并预测神经发育结果.
- 发达的大脑年龄指数为评估新生儿神经发育提供了更高的准确性和临床解释性.
- 这种方法可以提前检测发育异常,并指导早产婴儿的干预,改善长期预后.
