从使用深度学习的侧向脑图估计年龄:从幼儿到老年人的试点研究
Ryohei Tokinaga1, Yuichi Mine1,2, Yuki Yoshimi3
1Department of Medical Systems Engineering, Graduate School of Biomedical and Health Sciences, Hiroshima University, Hiroshima 734-8553, Japan.
Journal of clinical medicine
|October 16, 2025
概括
深度学习模型可以从侧向脑图中估计年龄,误差约为2.5年. 一个仅为男性的模型略有提高了准确性,显示了法医和发育研究的潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 从横向脑图中自动估计年龄对于临床和法医应用非常有价值.
- 目前的方法需要对不同年龄组和性别的准确性进行评估.
研究的目的:
- 开发和评估一种深度学习模型,用于从横向脑图中自动估计年龄.
- 调查性别特异性培训是否提高年龄估计模型的预测准确性.
主要方法:
- 对600个侧向脑图 (4-63岁) 进行了回顾性研究.
- 一个DenseNet-121模型被训练在混合性别,仅女性和仅男性的数据集上.
- 使用平均绝对误差 (MAE) 和确定系数 (R2) 测量性能.
主要成果:
- 混合性别模型的MAE为2.50年 (R2=0.84).
- 只有女性和只有男性的模型分别显示了3.04年 (R2=0.82) 和2.29年 (R2=0.83) 的MAE.
- 格拉德-CAM分析突出了特定于性别的面部区域激活.
结论:
- 深度学习模型可以从侧向脑图中估计年龄,并具有临床相关的准确性 (约. ±2.5年) 的时间.
- 一个仅为男性的模型在性能指标上表现出轻微的改善.
- 结果支持在法医科学,生长研究和未知个体识别方面的应用.
