脑年龄预测使用基于高阶统计时刻和来自3D磁共振成像体积的自身切片的2D投影

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 生物标志物发现发现

背景情况:

• 从使用深度学习的3DMRI来预测大脑年龄是一个不断增长的研究领域.
• 像英国生物银行这样的大型数据集对训练深度网络提出了计算挑战.
• 之前的工作表明,2D预测 (平均值,std dev) 加快了训练,但降低了准确性.

研究的目的:

• 调查是否替代的2D投影 (更高阶的时刻,自身切片) 可以提高大脑年龄预测的准确性.
• 评估模型组合的有效性,以提高预测性能.

主要方法:

• 利用来自3DMRI卷的更高阶统计中心时刻的2D投影.
• 用eigenenslices作为深度学习模型的另一种2D投影形式.
• 使用这些不同的投影方法训练和评估深度学习模型.
• 评估了通过组合多个模型获得的性能改进.

主要成果:

• 高级统计时刻与更简单的预测相比,没有提高预测准确度.
• Eigenslices在大脑年龄预测准确度方面表现出适度的改善.
• 使用这些预测训练的组合模型进一步提高了预测性能.

结论:

• Eigenslices 代表了用于大脑年龄预测的 2D MRI 投影的可行替代方案,提供了轻微的精度提升.
• 模型组合是一种有效的策略,可以在使用二维MRI投影时进一步提高大脑年龄预测的准确性.
• 这些发现有助于开发更有效的计算方法来分析大脑年龄.