20.12.2023 13:40

Представлено алгоритм CNN-MLP для покращеного прогнозування віку мозку

Традиційно прогнозування віку мозку, ключового показника для розуміння процесів старіння, покладалося виключно на МРТ головного мозку. Нове дослідження представляє революційну гібридну модель, яка інтегрує інформацію про стать зі структурною магнітно-резонансною томографією.

Існуючі моделі часто помиляються, нехтуючи впливом статі на вік мозку. Гібридний алгоритм CNN-MLP вирізняється тим, що безпосередньо інтегрує дані про стать і зображення мозку під час своєї побудови, що відрізняє його від конкурентів, які враховують стать постфактум. Такий підхід забезпечує підвищену точність та клінічну релевантність.

Комбінована модель використовує 3D CNN для аналізу зображень мозку і MLP для інформації про стать. Візуалізація виділяє ключові ділянки мозку для прогнозування віку, такі як мозолисте тіло та ділянки біля бічного шлуночка. Карти гендерних відмінностей підкреслюють життєво важливу роль статі у прогнозуванні віку. Примітно, що надійна відповідність моделі даним підтверджується високими результатами R-квадрат.

Огляд запропонованого комбінованого алгоритму CNN-MLP для прогнозування віку мозку. Архітектура CNN, розроблена для мінімально попередньо оброблених T1-зважених зображень, складається з повторюваних згорткових блоків, кожен з яких містить тривимірні згорткові шари, пакетну нормалізацію, активації ReLU та максимальне об’єднання. Після цих блоків послідовність включає шар згладжування, два щільні шари, що перемежовуються активаціями ReLU, пакетну нормалізацію та шар відсіву. MLP, адаптований для категоричної інформації про стать, містить щільні шари з активаціями ReLU. Вихідні дані обох алгоритмів об’єднуються шаром конкатенації, обробляються через два щільні шари, а в останньому шарі використовується лінійна активація для прогнозування віку мозку. Скорочення: 3D — тривимірний; BatchNorm — пакетна нормалізація; CNN — згорткова нейронна мережа; Conv — згортка; MaxPool — максимальне об’єднання; MLP — багатошаровий персептрон; ReLU — випрямлена лінійна одиниця. Джерело

На відміну від моделей, що покладаються виключно на зображення, гібридний алгоритм вирізняється вищою продуктивністю та здатністю враховувати гендерні впливи. Його застосування до пацієнтів з легкими когнітивними порушеннями та хворобою Альцгеймера виявило його здатність розрізняти вікові варіації нейродегенеративних захворювань, перевершуючи такі відомі моделі, як brainageR.

По суті, алгоритм CNN-MLP змінює підхід до прогнозування віку мозку, безперешкодно інтегруючи інформацію про стать, що призводить до підвищення точності та цінних знань про закономірності старіння мозку. Його клінічний потенціал, особливо при нейродегенеративних захворюваннях, є багатообіцяючим. Хоча необхідна подальша перевірка на більших масивах даних, це дослідження відкриває двері для включення генетичних і екологічних факторів у майбутні моделі. Застосовуючи мультимодальний підхід з комплексним включенням змінних, ми можемо підвищити точність і застосовність прогнозування віку мозку як у дослідницьких, так і в клінічних умовах.