多模式MRI放射学和深度学习用于大脑年龄预测:对失眠患者的年龄纠正的大脑年龄差距分析

科学领域:

• 神经成像是一种神经成像.
• 无线电学 (Radiomics) 是一种辐射学.
• 深度学习 (Deep Learning) 是一种深度学习.
• 大脑年龄预测

背景情况:

• 慢性失眠是一种普遍的睡眠障碍.
• 大脑衰老是一个复杂的过程,可以受到各种因素的影响.
• 准确评估大脑年龄对于理解神经健康至关重要.

研究的目的:

• 开发和验证一个高精度的大脑年龄预测模型,使用多模式MRI放射学和深度学习.
• 在失眠患者中计算大脑年龄差距 (BAG).
• 为了研究慢性失眠和加速大脑衰老之间的关联.

主要方法:

• 对1200名参与者的回顾性分析 (942名健康对照,258名失眠患者).
• 使用标准化预处理从T1和T2权重的MRI中提取放射学特征.
• 在健康受试者身上训练的多式融合深度学习回归模型的构建.

主要成果:

• 多模式融合模型的平均绝对误差为6.42年 (R2 = 0.68).
• 与健康对照组相比,失眠患者的脑年龄差距 (BAG) 显著增加 (p < 0.001).
• 这种差异甚至在对年龄偏差进行校正后也持续存在 (p < 0.001).

结论:

• 一个多式MRI放射学深度学习融合模型提供了准确的大脑年龄预测.
• 慢性失眠与加速的大脑衰老有关.
• 这一发现表明失眠对大脑健康的潜在神经生物学影响.