深度神经网络对大脑年龄的估计对认知障碍和认知衰退很敏感

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:

• 年龄是阿尔茨海默病 (AD) 的主要危险因素,与正常衰老相比,有明显的脑缩模式.
• 使用神经成像和深度学习预测大脑年龄,对阿尔茨海默病的诊断和监测有很大的前景.
• 以前的方法在扩散MRI (dMRI) 中经常忽略部分体积效应.

研究的目的:

• 开发和评估深度学习模型用于使用先进的dMRI和T1加权MRI进行大脑年龄预测.
• 评估免费水 (FW) 校正的dMRI指标在改善大脑年龄预测方面的有效性.
• 研究预测的大脑年龄与健康对照组和轻度认知障碍患者的认知功能之间的关联.

主要方法:

• 后处理用自由水 (FW) 校正技术进行dMRI扫描,以获得FW校正的分数异构 (FAFWcorr) 和FW地图.
• 使用FW校正的dMRI,T1加权的MRI和FW+T1特征组合来预测大脑年龄,构建三个密集连接的神经网络.
• 分析实际年龄,预测的大脑年龄和横截面/纵向认知指标之间的关系.

主要成果:

• 所有模型都准确地预测了认知不受损 (CU) 控制对象的实际年龄,FW+T1组合模型表现最好 (r=0.77).
• 预测的大脑年龄有效地区分了CU和轻度认知障碍参与者 (p=0.003对于FW+T1).
• 所有预测的大脑年龄模型都显示了与横截面和纵向认知表现 (记忆和执行功能) 的显著关联.

结论:

• 在dMRI中自由水校正,与T1加权的MRI相结合,显著提高了大脑年龄预测的准确性.
• 预测的大脑年龄作为一个敏感的成像生物标志物,用于评估认知状态和预测认知衰退.
• 这种方法有可能改善AD等神经退行性疾病的诊断和监测.