使用多头自我注意的高级大脑年龄预测:对西方和中东MRI数据集的比较分析

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 计算神经科学是一种神经科学.

背景情况:

• 大脑年龄估计对于检测神经退行性疾病至关重要.
• 目前的人工智能模型受限于以西方为中心的培训数据,影响着不同的人口.
• 大脑衰老模式在各个族群之间可能有所不同.

研究的目的:

• 开发和评估用于大脑年龄估计的AI模型.
• 评估模型在不同族裔群体中的表现.
• 调查各种数据集对模型通用性的影响.

主要方法:

• 训练了一种深度学习模型,整合了多头自我注意力和剩余连接.
• 利用了来自ADNI,OASIS-3,Cam-CAN和IXI的4635名健康个体 (40-80岁) 的大型数据集.
• 在西方 (n=935) 和中东 (n=107) 数据集上测试模型,用平均绝对误差 (MAE) 进行评估.

主要成果:

• 在采用轻量级架构 (约1.99年) 的西方测试套件上实现了最先进的精度 (MAE = 1.99年). 三百万个参数).
• 在中东数据集上表现明显较低 (最佳MAE=4.35年).
• 偏差校正并没有改善中东数据的表现.

结论:

• 大脑衰老存在人口特异性差异,影响AI模型的概括性.
• 目前用于大脑年龄估计的AI模型需要多样化的训练数据.
• 为了在神经成像中获得公平的AI,需要对跨人群适应技术进行进一步的研究.