在新生儿中使用结构和扩散MRI预测大脑年龄的比较分析
Zhicong Fang1, Ningning Pan1, Shujuan Liu1
1School of Information Science and Engineering, Shandong Normal University, Shandong, China.
NeuroImage
|August 27, 2024
概括
使用T2加权 (T2w) 和分数异构 (FA) 的MRI预测婴儿大脑年龄显示出类似的准确性. 然而,FA图像显示了与性别和大脑不对称性相关的年龄预测偏差的显著差异,与T2w图像不同.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 使用机器学习来预测大脑年龄是评估神经发育的一个关键生物标志物.
- 结构磁共振成像 (sMRI) 和扩散磁共振成像 (dMRI) 是主要的模式,但它们对婴儿年龄预测的独特贡献未得到充分研究.
研究的目的:
- 研究sMRI (T2w) 和dMRI (FA) 对预测婴儿大脑年龄的差异影响.
- 探索早产,性别和半球不对称等因素如何影响这些模式的年龄预测.
主要方法:
- 机器学习模型被用来从T2加权 (T2w) 和分数异构 (FA) 的MRI数据中预测婴儿年龄.
- 平均绝对误差 (MAE) 在T2w和FA预测之间进行了比较.
- 探索性分析确定了对每个模式的年龄预测有贡献的关键大脑区域.
- 统计测试检查了早产,性别和半球不对称性对预测偏差的影响.
主要成果:
- 无论是T2w和FA图像都在婴儿年龄预测中产生了类似的平均绝对误差.
- T2w图像强调大脑皮质和心室,而FA图像突出显示大脑皮质和白质道.
- 与T2w图像不同的是,FA图像显示了与性别和半球不对称性 (p<0.05) 相关的显著年龄预测偏差.
结论:
- T2w和FA MRI为婴儿大脑年龄的预测提供了补充信息,分别反映了宏观结构和微观结构的发展.
- 基于FA的年龄预测对性别和大脑不对称性的变化更为敏感,这表明了不同的发育轨迹.
- 这些发现为婴儿神经发育评估和跟踪提供了新的见解.
