机构名称：
¥ 1.0
我们对人类大脑在人群层面的组织结构的了解尚未转化为预测个体层面功能差异的能力，这限制了临床应用，并使推断机制的普遍性受到质疑。目前尚不清楚这种困难是源于大脑中缺乏个体生物模式，还是源于我们利用模型和计算访问这些模式的能力有限。在这里，我们全面研究了此类模式与数据和计算的可解析性，规模空前。在英国生物库的 23,810 名独特参与者中，我们系统地评估了 25 种个体生物特征的可预测性，这些特征来自所有可用的结构和功能神经成像数据组合。我们耗时超过 4526 GPU*小时，训练、优化和评估了样本外的 700 个个体预测模型，包括人口统计学、心理学、血清学、慢性病和功能连接特征的全连接前馈神经网络，以及宏观和微观结构脑成像的单模和多模态 3D 卷积神经网络模型。我们发现性别（平衡准确度 99.7%）、年龄（平均绝对误差 2.048 岁，R 2 0.859）和体重（平均绝对误差 2.609 公斤，R 2 0.625）的可预测性较高，为此我们创造了新的最优性能，而其他特征的可预测性却出奇的低。结构成像和功能成像都不能比常见慢性病的巧合更好地预测一个人的心理（p < 0.05）。血清学可预测慢性病（p < 0.05），并且其预测效果最好（p < 0.001），其次是结构神经影像学（p < 0.05）。我们的研究结果表明，需要更具信息量的影像学或更强大的模型来解读人类大脑的个体水平特征。我们公开提供我们的模型和代码。
神经影像学
主要关键词
相关文件推荐
