使用CentileBrain对整个生命周期的大脑形态学的规范建模:算法基准测试和模型优化
Ruiyang Ge1, Yuetong Yu1, Yi Xuan Qi1
1Djavad Mowafaghian Centre for Brain Health, University of British Columbia, Vancouver, BC, Canada.
The Lancet. Digital health
|February 23, 2024
概括
这项研究对大脑形态测量数据的规范建模算法进行了基准测试,确定了多变量分数多项式回归 (MFPR) 是最优的. 该MFPR模型准确地追踪了整个寿命的与年龄相关的大脑变化.
科学领域:
- 神经成像是一种神经成像.
- 计算神经科学是一种神经科学.
- 生物统计学 生物统计学
背景情况:
- 在研究和临床环境中,规范模型对于解释神经成像数据至关重要.
- 建模算法的稳定性和系统比较是必不可少的,但一直缺乏.
- 之前的研究还没有全面评估大脑形态测量规范建模的算法.
研究的目的:
- 确定用于规范性建模大脑形态测量数据的最佳方法.
- 系统地对不同的算法和参数进行准确性和性能的基准测试.
- 建立一个可靠的框架来评估神经解剖学变异.
主要方法:
- 用37,407名健康个体的区域形态测量数据对8个算法进行比较评估.
- 基准测试包括各种共同变量组合 (图像采集,质量,软件版本,全球测量,纵向稳定性).
- 多变量分数多项式回归 (MFPR) 被确定为首选的算法,优化了非线性年龄效应和全球测量作为共变量.
主要成果:
- 多变量分数多项式回归 (MFPR) 在整个寿命和年龄组内表现出卓越的准确性.
- 在两年时间内,MFPR模型表现出极好的纵向稳定性.
- 在样本大小超过3000名参与者时,实现了最佳模型性能.
结论:
- 优化的MFPR模型为大脑形态学数据的规范建模提供了一个强大的框架.
- 这种方法可以告知与典型神经解剖发育差异的生物学和行为影响.
- 开发的模型和脚本可用于支持未来的研究和临床研究设计.
更多相关视频
09:06Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI—Application in Premanifest Huntington's Disease
Published on: June 9, 2018
12.2K
11:50A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging
Published on: February 4, 2022
4.0K
