Brain Age Estimation Based on Age-Specific Graph Structure Learning

Peng, Yuhang

doi:10.1117/12.3095235

Brain Age Estimation Based on Age-Specific Graph Structure Learning

2026-01-01

0

PRE

AI

DOI：10.1117/12.3095235

原文链接

原文求助

摘要

En 中文

利用结构磁共振成像（sMRI）捕捉脑结构变化以预测脑龄，有助于脑衰老研究以及脑相关疾病的早期筛查与干预。鉴于脑区之间的复杂拓扑关系，现有研究通常采用图神经网络进行脑龄预测。然而，不同年龄组的衰老机制、涉及脑区及衰老进程特征存在差异，现有方法难以按年龄特异性提取衰老特征。为解决这些问题，本文提出了一种年龄特异性图结构学习网络（Age-Specific-GSL），通过年龄特异性通用结构指导动态构建最优脑网络结构以提升预测精度。首先，设计多级子图划分模块，利用持久性衰老特征和年龄特异性差异特征聚焦关键子网络，降低学习通用结构的复杂度。其次，开发年龄特异性特征引导的图结构学习网络，以最小化个体差异影响，构建与衰老强相关的个体脑网络结构。最后，通过综合分析最优图结构与脑区特征，实现精确的脑龄估计。实验结果表明，Age-Specific-GSL在两个公开sMRI数据集上平均绝对误差（MAE）为5.83年，达到当前最佳性能。此外，融入年龄特异性衰老特征的图结构更符合脑衰老的动态模式。基于此，进一步分析不同年龄组间区域连接强度的差异，为脑衰老过程提供更深入的认识。

Keyword:

Brain age estimation

Graph neural network

sMRI

Brain network

Brain Age Estimation Based on Age-Specific Graph Structure Learning

摘要

期刊

机构

引用论文