A voxel-level approach to brain age prediction: A method to assess regional brain aging

要約

脳の老化は地域的な現象であり、機械学習手法を使用した脳年齢予測研究の分野では比較的研究が進んでいない側面です。
ボクセルレベルの予測により、局所的な脳年齢の推定値が得られ、局所的な老化プロセスについての詳細な洞察が得られます。
これは、健康な被験者と病気の被験者における老化の軌跡の違いを理解するために不可欠です。
この研究では、T1 強調磁気共鳴画像からボクセルレベルの脳年齢を予測するための深層学習ベースのマルチタスク モデルが提案されています。
提案されたモデルは文献に存在するモデルよりも優れており、健康な集団と病気の集団の両方に適用すると貴重な臨床的洞察が得られます。
ボクセルレベルの脳年齢予測に基づいて領域解析が実行され、脳内の既知の解剖学的領域の老化の軌跡を理解し、認知症などの基礎的な神経障害のある被験者と比較して、健康な被験者の局所的な老化の軌跡に格差が存在することが示されます。
アルツハイマー病。
私たちのコードは https://github.com/nehagianchandani/Voxel-level-brain-age-prediction で入手できます。

要約(オリジナル)

Brain aging is a regional phenomenon, a facet that remains relatively under-explored within the realm of brain age prediction research using machine learning methods. Voxel-level predictions can provide localized brain age estimates that can provide granular insights into the regional aging processes. This is essential to understand the differences in aging trajectories in healthy versus diseased subjects. In this work, a deep learning-based multitask model is proposed for voxel-level brain age prediction from T1-weighted magnetic resonance images. The proposed model outperforms the models existing in the literature and yields valuable clinical insights when applied to both healthy and diseased populations. Regional analysis is performed on the voxel-level brain age predictions to understand aging trajectories of known anatomical regions in the brain and show that there exist disparities in regional aging trajectories of healthy subjects compared to ones with underlying neurological disorders such as Dementia and more specifically, Alzheimer’s disease. Our code is available at https://github.com/nehagianchandani/Voxel-level-brain-age-prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google