机构名称：
¥ 1.0
与年龄相关的形态学大脑变化在健康和疾病的衰老中是不同的。MRI扫描中的生物脑年龄估计是量化这种效果的一种常见方法，而生物和年代年龄之间的差异表示脱胶过程。直接可视化和分析图像空间中与形态年龄相关的变化的能力对于提高对脑衰老的理解至关重要。在这项工作中，我们提出了一种基于深度学习的新方法，以在单个一致的模型中统一生物脑年龄估计和年龄条件的模板创建。我们通过开发确定性的自动编码器来实现这一目标，该自动编码器成功地解散了与年龄相关的形态变化和主体特定的变化。这允许其用作脑年龄回归和生成性脑老化模型。提出的方法表明，当应用于2000多个受试者的数据库时，将年龄条件的脑模板和模拟年龄的大脑图像的现实产生以及模拟年龄的大脑图像进行了现实。关键字：大脑老化，深度学习，生成模型
通过确定性自动编码器统一大脑年龄预测和年龄条件模板的生成
主要关键词
相关文件推荐
