使用多模态神经影像学模型寻找衰老大脑的结构变化
基于深度学习的脑龄 (BA) 的潜在神经特征作为神经影像学生物标志物正变得越来越流行。 然而，他们仍然不清楚。 将卷积网络的集合与逐层相关传播 (LRP) 相结合，我们能够识别有助于 BA 的大脑特征。 我们的模型根据人口研究（n = 2637、18-82）的磁共振成像数据 (MRI) 进行训练，并根据来自单一和多种模式（区域限制、全脑等）的图像准确估计年龄。 ). （平均绝对误差 3.37-3.86）。 BA 估计揭示了大脑的大小变化，包括白质病变和萎缩。 额叶受加速衰老和偏离预期衰老的影响最大。 我们的研究表明，高级深度学习模型可以通过使用 LRP 检测整个成年期健康和高危成年人的大脑老化。
来源和详细信息：
https://www.sciencedirect.com/science/article/pii/S1053811922006206?via=ihub
