年龄敏感的海马功能连接:来自3D CNN和 Saliency 地图的新见解
ArXiv
|September 29, 2025
概括
使用海马功能连接的脑年龄预测揭示了关键的年龄敏感大脑区域. 这种深度学习方法突出了理解神经生物学衰老的重要特定联系.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 海马灰质损失是神经生物学衰老的关键指标.
- 老化海马中的功能连接性 (FC) 变化尚未完全理解.
- 基于种子的FC分析映射出海马和皮质区域之间的同步活动.
研究的目的:
- 开发一种可解释的深度学习框架,从海马FC中预测大脑年龄.
- 为了确定对衰老敏感的特定海马-皮质连接.
- 为了研究海马体中与年龄相关的功能重组.
主要方法:
- 利用一个三维卷积神经网络 (3D CNN) 进行大脑年龄预测.
- 使用LayerCAM突出映射用于海马FC的可解释分析.
- 拆分前后海马FC以探索功能专业化.
主要成果:
- 确定了与年龄相关的显著海马-皮层连接,特别是与前,和后带带皮层.
- 突出显示了与准海马皮层,左上叶叶片和右上叶角的连接,因为它们对年龄敏感.
- 对前和后海马进行了明显的FC映射,与已知的功能相关.
结论:
- 这项研究为支柱海马衰老的功能机制提供了新的见解.
- 可解释的深度学习有效地揭示了神经成像数据中的生物学意义上的模式.
- 开发的框架为研究大脑衰老和相关疾病提供了一个强大的工具.
