换一批摘要目的: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10000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相关.结论:提出的基于GCN的大脑年龄预测方法在大规模数据集上通用性和鲁棒性较好,能够较好地预测大脑年龄.
更多相关知识
- 浏览54
- 被引1
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
