MDFNet:基于结构磁共振成像表示的多维特征融合模型,用于大脑年龄估计.
Chenxiao Zhang1, Pengzhi Nan1, Limei Song2
1School of Computer and Control Engineering, Yantai University, No. 30, Qingquan Road, Laishan District, Yantai City, 264005, Shandong Province, China.
Magma (New York, N.Y.)
|September 18, 2025
概括
这项研究引入了一种新的多维特征融合网络 (MDFNet),用于使用结构性核磁共振 (MRI) 准确估计大脑年龄. MDFNet显著改善了阿尔茨海默病患者的大脑年龄差距分析.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 估计大脑年龄对于理解衰老和神经退行性疾病至关重要.
- 目前的方法通常依赖于有限的数据或复杂的成像技术.
研究的目的:
- 开发一个统一的多维特征融合网络 (MDFNet),以提高大脑年龄的估计.
- 整合多种结构性MRI特征,包括整个大脑,灰质体积和大脑连接网络.
主要方法:
- MDFNet集成了全脑,组织层面,基于节点的图形卷积,基于边缘的图形路径卷积和人口统计数据道.
- 在四个数据集中对1872名健康受试者进行了验证,并应用于阿尔茨海默病队列.
- 包括可解释性分析和规范建模,以进行可靠的验证.
主要成果:
- MDFNet实现了卓越的性能,平均绝对误差为4.396年,皮尔森相关系数为0.912.
- 与健康对照人群相比,在阿尔茨海默氏症患者中观察到大脑年龄差距显著增加.
- 解释性分析证实了该模型在团队和个人层面的可靠性.
结论:
- 通过使用结构性MRI,MDFNet有效地提高了大脑年龄估计.
- 多维特征集成是提高大脑年龄预测准确度和可靠性的关键.


