机构名称：
¥ 1.0
通过 MRI 获得的个人大脑预测年龄减去实际年龄 (brain-PAD) 可成为研究中疾病的生物标志物。然而，尽管医院提供了丰富的临床信息，但来自临床 MRI 的大脑年龄报告却很少。由于临床 MRI 协议用于特定的临床目的，因此需要测试大脑年龄预测在临床数据上的表现。我们探索了使用 DeepBrainNet（一种之前在面向研究的 MRI 上训练过的深度网络）来预测佛罗里达州一家医疗系统的 15 个设施的 840 名患者的大脑年龄的可行性。由于预计我们的临床样本会出现强烈的预测偏差，我们对其进行了表征，以在大脑-PAD 的组级回归中提出一个协变量模型（建议避免 I 型、II 型错误），并测试了它的普遍性，这是在新的单个临床病例中进行有意义的大脑年龄预测的必要条件。最佳的偏差相关协变量模型与扫描仪无关，且与年龄呈线性关系，而估计无偏差脑年龄的最佳方法是与扫描仪无关且与脑年龄函数呈二次函数的倒数。我们证明了使用考虑所选协变量模型的组级回归来检测脑 PAD 中的性别相关差异的可行性。这些差异在偏差校正后得以保留。独立数据中预测的平均误差 (MAE) 约为 8 年，比使用 DeepBrainNet 的研究导向型 MRI 报告大 2-3 年，而 R 2（假设无偏差）分别为未校正和校正脑年龄的 0.33 和 0.76。DeepBrainNet 在临床人群中似乎是可行的，但需要更精确的算法或迁移学习再训练。
通过临床 T1 加权 MRI 预测大脑年龄的可行性
主要关键词
相关文件推荐
