arXiv来源发表:
脑龄预测改用白质纤维朝向分布：692人上平均误差3.54岁，旋转输入后预测跟着转
核心概要
脑龄预测不再只靠扩散张量标量指标，而是直接以白质纤维朝向分布（WM-FOD）的球谐系数为输入，并用SE(3)等变卷积网络保留旋转下的变换性质。在人类连接组计划老龄化数据集的692名36至90岁参与者上，该组合框架优于所评估的基于DTI的模型和常规CNN；五个交叉验证模型平均后平均绝对误差为3.54年，皮尔逊相关为0.958。性能优势依赖WM-FOD与等变处理的结合，且预测精度在球谐最大阶数Lmax=2时最高。
深度剖析
脑龄预测的输入从扩散张量标量指标换成白质纤维朝向分布的球谐系数，朝向信息因此进入模型。 此前的许多预测模型使用扩散张量成像的标量指标，这类指标不含朝向信息。 在人类连接组计划老龄化数据集692名36至90岁参与者上的评估中，这一组合框架优于所评估的基于DTI的模型和常规CNN。
网络直接在球谐系数上运算，并保留这些系数在旋转下的变换性质。 所用方法是SE(3)等变卷积网络，即对三维旋转等变的卷积网络，常规CNN并不显式遵循朝向相关特征的几何结构。 五个交叉验证模型的预测取平均后，平均绝对误差为3.54年，皮尔逊相关为0.958。
模型敏感度可按纤维束逐条遮蔽来定位，并随年龄段移动。 逐条遮蔽分割出的纤维束后，敏感度峰值出现在不同年龄段的不同通路上。 36至44岁峰值在额叶投射通路，45至54岁在穹窿，55至64岁在胼胝体峡部，65至74岁在小脑中脚，75至90岁在胼胝体膝部。
启示与展望
评估范围是Human Connectome Project Aging数据集中692名36至90岁参与者，比较对象是所评估的基于DTI的模型和常规CNN。
性能优势依赖WM-FOD与等变处理的结合；预测精度在球谐最大阶数Lmax=2时最高，更高阶时下降。