通过使用从规范模型的转移学习,在不同扫描仪上估计儿童的皮质厚度轨迹

科学领域:

• 神经成像是一种神经成像.
• 发育神经科学的发展神经科学.
• 生物统计学 生物统计学

背景情况:

• 纵向神经成像研究面临的挑战是多地点数据和不同的扫描技术.
• 建立规范性参考对于解释个人的大脑发育至关重要.
• 现有的方法很难解释扫描仪和特定地点的发育轨迹的变化.

研究的目的:

• 在不同扫描仪上展示规范模型对纵向神经成像分析的有用性.
• 评估将大规模规范模型转移到较小的发展群体的有效性.
• 为了优化样本大小的要求,以便在神经成像中有效地转移知识.

主要方法:

• 使用等级贝叶斯回归 (N=42,993) 评估一个大规模的参考规范模型.
• 将这些模型转移到一个纵向发育队列 (N=6,285) 中,使用多扫描器数据.
• 独立于扫描仪和现场效应的单个偏差得分的计算.

主要成果:

• 转移的规范模型提供了扫描仪和站点独立的个人偏差得分.
• 每个地点只需25个样本,就可以确保知识转移的良好表现.
• 偏差分数有效地检测到早产婴儿的形态异质性.

结论:

• 规范模型提供了一个强大的框架,用于协调跨不同扫描仪和地点获得的纵向神经成像数据.
• 有效的转移学习策略可以显著减少建立强大的规范引用的数据要求.
• 这种方法增强了神经成像的临床实用性,因为它能够精确地描述个体神经发育轨迹和变异.