使用分区建模策略和基于图书馆的注意力增强在中国人口中预测大脑年龄

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 发育神经科学的发展神经科学.

背景情况:

• 大脑年龄估计在发育过程中作为人类大脑健康的关键生物标志物.
• 磁共振成像 (MRI) 是神经成像中的标准诊断工具,广泛用于大脑年龄预测研究.
• 对于专门针对中国人口的大脑年龄预测模型的研究有限.

研究的目的:

• 开发和验证一个针对中国人一生而定制的脑年龄预测模型.
• 用先进的计算技术提高大脑年龄估计的准确性和可靠性.
• 解决有关中国人大脑年龄预测现有研究的差距.

主要方法:

• 开发了一种新的分区预测方法,结合了转移学习和Atlas注意力增强.
• 深度学习模型被训练在不同的年龄组,以确定关键的大脑区域进行预测.
• 使用阿特拉斯注意力增强技术,将模型的注意力集中在突出的大脑区域上.

主要成果:

• 拟议的方法在测试套件上实现了平均绝对误差为2.218±1.801年.
• 获得了高的0.969的皮尔森相关系数 (r),超过了以前广泛的大脑年龄预测结果.
• 通过使用来自国内数据集的354名参与者,成功进行了验证.

结论:

• 开发的方法为中国人口的大脑年龄估计提供了强大的方法.
• 这种工具可以显著帮助评估目前的大脑健康状况.
• 这些发现有助于推进神经成像研究和个性化医学.