Explainable Brain Age Prediction using coVariance Neural Networks

要約

計算神経科学では、脳画像データを活用して個人の「脳年齢」の推定値を提供する機械学習アルゴリズムの開発への関心が高まっています。
重要なのは、脳年齢と実年齢との間の不一致（「脳年齢ギャップ」と呼ばれる）は、有害な健康状態による老化の加速を捉えることができ、したがって、神経疾患や認知障害に対する脆弱性の増加を反映している可能性があることです。
しかし、既存の脳年齢予測アルゴリズムのほとんどには透明性と方法論的正当性が欠如しているため、臨床意思決定支援のための脳年齢の広範な採用が妨げられています。
この論文では、共分散ニューラル ネットワーク (VNN) を活用して、皮質の厚さの特徴を使用した脳年齢予測のための説明主導型で解剖学的に解釈可能なフレームワークを提案します。
具体的には、私たちの脳年齢予測フレームワークは、アルツハイマー病（AD）における脳年齢ギャップという大まかな指標を超えて拡張されており、次の 2 つの重要な観察を行っています。(i) VNN は、寄与する脳領域を特定することで、AD における脳年齢ギャップの上昇に解剖学的解釈可能性を割り当てることができます。
(ii) VNN によって提供される解釈可能性は、解剖学的共分散行列の特定の固有ベクトルを活用できる能力に依存します。
これらの観察を総合すると、脳年齢予測のタスクに対する説明可能かつ解剖学的に解釈可能な視点が容易になります。

要約(オリジナル)

In computational neuroscience, there has been an increased interest in developing machine learning algorithms that leverage brain imaging data to provide estimates of ‘brain age’ for an individual. Importantly, the discordance between brain age and chronological age (referred to as ‘brain age gap’) can capture accelerated aging due to adverse health conditions and therefore, can reflect increased vulnerability towards neurological disease or cognitive impairments. However, widespread adoption of brain age for clinical decision support has been hindered due to lack of transparency and methodological justifications in most existing brain age prediction algorithms. In this paper, we leverage coVariance neural networks (VNN) to propose an explanation-driven and anatomically interpretable framework for brain age prediction using cortical thickness features. Specifically, our brain age prediction framework extends beyond the coarse metric of brain age gap in Alzheimer’s disease (AD) and we make two important observations: (i) VNNs can assign anatomical interpretability to elevated brain age gap in AD by identifying contributing brain regions, (ii) the interpretability offered by VNNs is contingent on their ability to exploit specific eigenvectors of the anatomical covariance matrix. Together, these observations facilitate an explainable and anatomically interpretable perspective to the task of brain age prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google