从MRI数据进行发育大脑年龄估计:对深度学习方法和开放数据集的系统审查

科学领域:

• 神经成像是一种神经成像.
• 发育神经科学的发展神经科学.
• 人工智能在医学中的应用

背景情况:

• 使用MRI估计大脑年龄对于识别神经发育中的偏差至关重要.
• 数据驱动的模型,特别是深度学习,在儿科神经成像中显示出前景.
• 准确的年龄估计作为早期诊断和改善结果的生物标志物.

研究的目的:

• 综合审查使用MRI进行发育大脑年龄 (胎儿至2岁) 估计的深度学习应用程序.
• 详细介绍临床和技术方面,数据集和模型性能.
• 讨论该领域的应用,挑战和未来方向.

主要方法:

• 关于开发大脑年龄估计深度学习方法的当前文献的综述.
• 基于MRI的大脑年龄估计的临床和技术方面的分析.
• 使用已建立的评估指标对模型性能进行比较.

主要成果:

• 深度学习方法在估计发育性大脑年龄方面提供了最先进的性能.
• 该审查涵盖了各种模型的开放访问数据集和性能指标.
• 估计大脑年龄对于理解神经发育障碍至关重要.

结论:

• 基于深度学习的MRI脑年龄估计是儿科神经发育研究的强大工具.
• 需要进一步的研究来应对当前的挑战,并推进实际应用.
• 本综述为该领域的研究人员和从业人员提供了见解.