科研之友
微信
新浪微博
Facebook
分享链接
摘要
采用深度学习对脑龄预测问题进行研究，提出并设计一种基于双通路卷积融合网络的脑龄分布预测模型，以有效预测被试的大脑年龄。将被试静息态功能磁共振成像(rest-state functional MRI, rs-fMRI)数据通过标记分布学习方法，将确定的脑龄标签转化为一组具有高斯分布的概率，设计一个双通路卷积融合网络，包含卷积、批量归一化、池化等步骤，可以同时学习rs-fMRI多类激活图的特征，通过一个低秩融合网络来融合这些特征，利用损失函数对网络更新优化；对预测模型的结果进行详细分析。该模型得到的绝对平均误差和相关系数的指标分别为5.735和0.592 4。试验结果表明，相较于其他模型，该模型取得的平均绝对误差更小，相关系数更高，显著提高了基于rs-fMRI图像的脑龄预测精度。
- 单位
