基于图卷积网络的大脑年龄预测方法研究 |
| |
引用本文: | 熊敏,张格,康文杰,林岚.基于图卷积网络的大脑年龄预测方法研究[J].医疗卫生装备,2023(3):1-7. |
| |
作者姓名: | 熊敏 张格 康文杰 林岚 |
| |
作者单位: | 北京工业大学环境与生命学部生物医学工程系智能化生理测量与临床转化北京市国际科研合作基地 |
| |
基金项目: | 国家自然科学基金项目(81971683); |
| |
摘 要: | 目的 :为了客观评估大脑的健康状态,提出一种基于图卷积网络(graph convolution network,GCN)的大脑年龄预测方法。方法:首先,基于英国生物银行(UK Biobank,UKB)的10 000例脑健康中老年人的T1加权MRI影像学衍生表型(imaging-derived phenotypes,IDPs)数据,采用多层感知机网络提取年龄相关的结构特征构建群体图;其次,提出基于边重要性的节点邻居采样,并使用基于图的特征注意力机制加强邻域信息的特征聚合,建立一个以GCN为核心的大脑年龄预测模型;最后,与基线模型(GCN模型)、基线模型+随机采样、基线模型+NodeSAGE比较以评估该模型的预测性能。另外,根据预测的大脑年龄获取大脑年龄估计差,探究大脑老化与身体健康状况、生活习惯以及认知间的相关性。结果:提出的模型预测脑年龄的平均绝对误差为3.97 a,预测年龄与生理年龄间的Pearson相关系数为0.748,均优于基线模型、基线模型+随机采样、基线模型+NodeSAGE;大脑老化与身体健康状况指标显著相关,与吸烟史和频繁喝酒显著相关,与执行功能、非语言推理和处理速度显著...
|
关 键 词: | 脑年龄预测 图卷积网络 深度学习 机器学习 神经影像 |
|
|