XiaoMi-AI文件搜索系统
World File Search System体素级
预测大脑年龄的体素级方法
大脑衰老是一种区域性现象，在使用机器学习方法进行大脑年龄预测研究的领域中，这一方面仍未得到充分探索。体素级预测可以提供局部大脑年龄估计，从而提供有关区域衰老过程的详细见解。这对于了解健康受试者和患病受试者的衰老轨迹差异至关重要。在这项工作中，提出了一种基于深度学习的多任务模型，用于从 T1 加权磁共振图像进行体素级大脑年龄预测。所提出的模型优于文献中现有的模型，并且在应用于健康和患病人群时可产生有价值的临床见解。对体素级大脑年龄预测进行区域分析，以了解大脑中已知解剖区域的衰老轨迹，并表明健康受试者的区域衰老轨迹与患有痴呆症和更具体地说阿尔茨海默病等潜在神经系统疾病的人存在差异。我们的代码可以在 https://github.com/nehagianchandani/Voxel-level-brain-age-prediction 上找到。
研究论文 静息状态下原发性眼睑痉挛患者的体素级全脑功能连接异常
背景。原发性眼睑痉挛 (BSP) 是最常见的局灶性肌张力障碍之一，其病理生理机制尚不清楚。采用无偏方法观察静息状态下 BSP 患者的全脑功能连接 (FC) 变化。方法。共招募 48 名受试者，包括 24 名未经治疗的 BSP 患者和 24 名健康对照者，进行功能性磁共振成像 (fMRI)。采用全脑 FC (GFC) 方法分析静息态 fMRI 数据。我们设计了支持向量机 (SVM) 方法来确定是否可以利用 GFC 异常来区分患者和对照组。结果。与健康对照者相比，BSP 患者的双侧上内侧前额皮质/前扣带皮层 (MPFC/ACC) 的 GFC 显著降低，而右侧中央后回/中央前回/副中央小叶、右侧上额叶 (SFG) 和左侧副中央小叶/补充运动区 (SMA) 的 GFC 升高，这些区域均包含在默认模式网络 (DMN) 和感觉运动网络中。SVM 分析表明，右侧中央后回/中央前回/副中央小叶中升高的 GFC 值可将患者与对照者区分开来，最佳准确度、特异度和灵敏度分别为 83.33%、83.33% 和 83.33%。结论。本研究表明感觉运动网络和 DMN 相关脑区 GFC 异常可能是 BSP 病理生理的基础，这为理解 BSP 提供了新的视角。右侧中央后回/中央前回/中央旁小叶的 GFC 可作为潜在的生物标志物，用于区分 BSP 患者和对照组。