使用多跳图注意力结合卷积神经网络的大脑年龄预测

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 卷积神经网络 (CNN) 被广泛用于从MRI扫描中预测大脑年龄.
• 现有的CNN主要捕捉局部图像特征,忽视了遥远的大脑区域之间的关键连接信息.

研究的目的:

• 开发一种新的模块,集成本地和全球大脑连接,以提高大脑年龄的预测.
• 为了提高从脑MRI数据对生物年龄估计的准确性.

主要方法:

• 一个多跳图注意力 (MGA) 模块被提议并集成到一个CNN架构 (sSE-ResNet18) 中.
• MGA模块将CNN特征地图转换为图形数据,使用马尔科夫链模型多跳连接,并重新转换为更新的特征地图.
• 该模型 (MGA-sSE-ResNet18) 在2788张来自健康受试者的3D T1加权MR图像上进行了训练和验证.

主要成果:

• MGA-sSE-ResNet18模型实现了2.822年的平均绝对误差 (MAE).
• 获得了高的0.968的皮尔森相关系数 (PCC),表明预测和实际大脑年龄之间有很强的一致性.
• 拟议的模型表现优于四个已建立的CNN和两个代表性大脑年龄预测模型.

结论:

• 多跳图注意力 (MGA) 模块通过整合全球大脑连接,显著增强了基于CNN的脑年龄预测.
• MGA-sSE-ResNet18模型显示出卓越的准确性和神经成像中临床应用的潜力.
• 这种方法为更精确,更可靠的脑年龄估计提供了有希望的方向.