机构名称：
¥ 1.0
我们提出了一个新框架，利用深度学习在大脑局部层面估算由神经影像学得出的“大脑年龄”。与现有的全局方法相反，局部方法提供了大脑衰老解剖模式的空间信息。我们使用 3,463 名健康人（年龄 18-90 岁）的脑部 MRI 扫描训练了一个 U-Net 模型，以生成个性化的大脑预测年龄 3D 地图。在对 692 名健康人进行测试时，我们发现平均绝对误差（参与者内部）中位数为 9.5 岁。在前额叶皮质和脑室周围区域的表现更准确（MAE 约为 7 岁）。我们还引入了一种新的体素方法来减少预测局部大脑年龄“差距”时的年龄偏差。为了验证局部大脑年龄预测，我们使用来自 OASIS3（n = 267）的数据在患有轻度认知障碍或痴呆症的人群中测试了该模型。健康对照组和轻度认知障碍或痴呆症患者之间存在明显的局部脑年龄模式差异，尤其是在伏隔核、壳核、苍白球、海马和杏仁核等皮层下区域。基于感兴趣区域的平均局部脑年龄比较各组可产生较大的效应量，Cohen's d 值 > 1.5，例如在比较稳定和进行性轻度认知障碍患者时。我们的局部脑年龄框架有可能提供空间信息，从而更机械地理解健康和疾病患者大脑老化模式的个体差异。
局部大脑年龄：U-Net 模型
主要关键词
相关文件推荐
