一个基于深度学习的新型大脑年龄预测框架,用于例行临床MRI扫描

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 老年学是指老年学的学科.

背景情况:

• 身体大脑衰老与认知能力下降和结构性大脑变化相关.
• 使用常规的2DMRI扫描来预测大脑年龄是具有挑战性和未经探索的.
• 现有的方法往往难以达到临床应用所需的准确性和速度.

研究的目的:

• 开发和验证一种新的深度学习框架,用于从临床2D T1加权MRI扫描中准确预测大脑年龄.
• 评估该框架对认知能力正常的个体的表现及其与神经退行性疾病的关联.
• 探索这个框架在常规临床检查和早期发现大脑异常方面的潜力.

主要方法:

• 使用大量3DMRI扫描数据集 (N=8681) 训练了一个深度学习模型.
• 该模型用于预测认知不受损 (CU) 受试者2DMRI扫描中的大脑年龄 (N=175).
• 应用了年龄偏差校正,并使用平均绝对误差 (MAE) 和皮尔森相关性 (r) 评估性能.

主要成果:

• 该框架在CU受试者的临床二维MRI扫描上实现了准确和快速的脑年龄预测 (MAE=2.73年,r=0.918).
• 与CU受试者相比,阿尔茨海默氏病 (AD) 患者的脑年龄差距明显更大 (p<0.001).
• 增加的大脑年龄差距与AD (p<0.05) 和帕金森病 (p<0.01) 的疾病进展相关.

结论:

• 开发的深度学习框架提供了一种可靠的方法来预测大脑年龄,使用易于使用的2D临床MRI扫描.
• 大脑年龄差距作为潜在的成像生物标志物用于AD和帕金森氏症等神经退行性疾病.
• 这一框架有望融入常规临床实践,以帮助早期检测并改善患者的治疗结果.