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.
