Enhancing Brain Age Estimation with a Multimodal 3D CNN Approach Combining Structural MRI and AI-Synthesized Cerebral Blood Volume Data

要約

世界の老化集団の増加は、脳の老化とその関連する神経変性の変化を評価するための改善された方法を必要とします。
脳年齢のギャップ推定（Brainage）は、MRIスキャンから脳の年齢を予測することにより、これらの変化を理解するための神経画像バイオマーカーを提供します。
現在のアプローチは、主にT1強調磁気共鳴画像法（T1W MRI）データを使用し、構造的な脳情報のみをキャプチャします。
この制限に対処するために、非コントラストMRIスキャンから合成されたAIに生成された脳血液量（AICBV）データは、標準のイメージングでは検出できない微妙な血液組織のコントラストを明らかにすることで機能的な洞察を提供します。
AICBVをT1W MRIと統合して、脳の年齢を予測し、構造的メトリックと機能的メトリックの両方を組み合わせました。
両方のモダリティに対してVGGベースのアーキテクチャを使用して深い学習モデルを開発し、線形回帰を使用して予測を組み合わせました。
私たちのモデルは、3.95年の平均絶対誤差（MAE）と、テストセット（$ n = 288 $）で$ r^2 $ 0.943を達成し、同様のデータでトレーニングされた既存のモデルを上回りました。
さらに、モデルの予測に最も影響を与えた脳の領域を視覚化するために、勾配ベースのクラスアクティベーションマップ（Grad-CAM）を作成し、脳の老化の構造的および機能的貢献者に関する解釈可能な洞察を提供しました。

要約(オリジナル)

The increasing global aging population necessitates improved methods to assess brain aging and its related neurodegenerative changes. Brain Age Gap Estimation (BrainAGE) offers a neuroimaging biomarker for understanding these changes by predicting brain age from MRI scans. Current approaches primarily use T1-weighted magnetic resonance imaging (T1w MRI) data, capturing only structural brain information. To address this limitation, AI-generated Cerebral Blood Volume (AICBV) data, synthesized from non-contrast MRI scans, offers functional insights by revealing subtle blood-tissue contrasts otherwise undetectable in standard imaging. We integrated AICBV with T1w MRI to predict brain age, combining both structural and functional metrics. We developed a deep learning model using a VGG-based architecture for both modalities and combined their predictions using linear regression. Our model achieved a mean absolute error (MAE) of 3.95 years and an $R^2$ of 0.943 on the test set ($n = 288$), outperforming existing models trained on similar data. We have further created gradient-based class activation maps (Grad-CAM) to visualize the regions of the brain that most influenced the model’s predictions, providing interpretable insights into the structural and functional contributors to brain aging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google