学习寿命 通过皮层发育连续性转移通过大脑解剖对应

科学领域:

• 神经科学是一个神经科学.
• 计算机视觉 计算机视觉
• 医疗成像医学成像

背景情况:

• 准确的解剖学对应对于理解人类大脑发育和衰老至关重要.
• 皮层折叠的个体变异性和有限的神经成像数据对细度寿命解剖绘制构成挑战.

研究的目的:

• 开发一种新的转移学习策略,以稳定地推断人类大脑中寿命的解剖学对应.
• 为了解决在特定神经发育阶段稀缺数据的局限性.

主要方法:

• 一个转移学习框架,利用大脑皮层的发展连续性.
• 在一个大数据集上训练一个模型,并将其适应在发育轨迹上的其他年龄组.
• 使用一种新的损失函数来保存共同的模式,并在传输过程中捕获特定组的特征.

主要成果:

• 拟议的转移学习策略显著提高了受限训练样本的人群的模型性能,例如在早期神经发育期间.
• 该框架能够在不同神经发育阶段强有力的推断复杂的多对多的解剖学对应.
• 评估涉及多个数据集,包括从怀孕34周到年轻成年人的1000多个大脑.

结论:

• 新型转移学习方法有效地克服了神经发育研究中的数据稀缺问题.
• 这种方法为绘制人类一生中大脑解剖学对应的地图提供了一个强大的解决方案.
• 这些发现有助于对大脑发育和衰老进行更准确的研究.