Does pre-training on brain-related tasks results in better deep-learning-based brain age biomarkers?

要約

神経画像データを使用した脳年齢予測は、病気のバイオマーカーとしてだけでなく、脳全体の健康状態や老化の進行の指標としても大きな可能性を示しています。
深層学習モデルは、信頼性が高く効率的な脳年齢推定ツールとして確立されており、健康な被験者の実年齢を予測するようにトレーニングされています。
この論文では、脳年齢予測のためのディープラーニング モデルに対する事前トレーニング ステップの影響を調査します。
より正確には、自然画像分類に関する事前トレーニングという一般的なアプローチの代わりに、脳関連タスクに関するモデルを事前トレーニングすることを提案します。これにより、ADNI データに関する実験で最先端の結果が得られました。
さらに、軽度認知障害とアルツハイマー病の患者の画像で得られた脳年齢バイオマーカーを検証します。
興味深いことに、我々の結果は、健康な患者の脳年齢予測に関してより優れたパフォーマンスの深層学習モデルが、より信頼性の高いバイオマーカーをもたらすわけではないことを示しています。

要約(オリジナル)

Brain age prediction using neuroimaging data has shown great potential as an indicator of overall brain health and successful aging, as well as a disease biomarker. Deep learning models have been established as reliable and efficient brain age estimators, being trained to predict the chronological age of healthy subjects. In this paper, we investigate the impact of a pre-training step on deep learning models for brain age prediction. More precisely, instead of the common approach of pre-training on natural imaging classification, we propose pre-training the models on brain-related tasks, which led to state-of-the-art results in our experiments on ADNI data. Furthermore, we validate the resulting brain age biomarker on images of patients with mild cognitive impairment and Alzheimer’s disease. Interestingly, our results indicate that better-performing deep learning models in terms of brain age prediction on healthy patients do not result in more reliable biomarkers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google