头部运动对大脑年龄预测的影响,使用深 convolutional 神经网络

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:

• 深度学习模型可以从脑MRI预测时间年龄.
• 大脑预测的年龄差异 (大脑-PAD) 与神经系统疾病有关.
• 磁力共振成像对大脑PAD的影响需要研究临床适用性.

研究的目的:

• 评估MRI图像质量,特别是运动工件对基于深度学习的大脑年龄预测的影响.
• 为了确定大脑PAD是否是大脑健康的可靠生物标志物,在常见的临床成像器件的存在下.

主要方法:

• 在脑MRI数据上训练并验证了两个3D卷积神经网络 (CNN) 架构.
• 在一个数据集上测试了CNN模型,包括无运动和运动损坏的T1加权MRI扫描.
• 使用神经放射学家评分和标准图像质量指标评估图像质量.

主要成果:

• 两种CNN模型都显示了脑PAD的系统增加,图像质量下降.
• 即使是具有中等质量的临床可用图像,也会导致大脑预测年龄较高,而高质量的图像则比较老.
• 在脑PAD和图像质量指标之间发现了显著的关联,较低的质量与较高的脑PAD有关.

结论:

• 在MRI扫描中头部运动会产生加速大脑衰老的虚假效应.
• 图像质量控制在利用结构神经成像作为大脑健康的代理来预测大脑年龄时至关重要.
• 如果没有考虑图像文物,大脑PAD可能不是个体大脑健康的可靠指标.