TY -的A2 Rakhshan瓦希德AU -门德斯,塞尔吉奥·达·芬奇AU - Pinaya,沃尔特·雨果·洛佩兹AU -潘,佩德罗AU -佐藤,若昂里卡多PY - 2021 DA - 2021/05/26 TI -估计性别和年龄的儿童和青少年的大脑结构磁共振成像:3 d卷积神经网络多任务学习模型SP - 5550914六世- 2021 AB -尽管最新进展,评估生物测量神经障碍仍然是一个挑战,在混杂变量,如性别和年龄(作为神经发育的代理)发挥重要作用。本研究探讨了大脑结构磁共振成像(sMRI)从两个公共数据集(ABIDE-II和多动症- 200)与健康控制(HC, N= 894),自闭症谱系障碍(ASD, N= 251),注意缺陷多动障碍(多动症, N= 357)的个人。我们用灰色和白色物质预处理通过分布形态测量学(VBM)来训练一个3 d卷积神经网络与多任务学习策略来估计性别,年龄,心理健康状况从大脑结构差异。Gradient-based方法用来产生注意力地图,提供临床相关的大脑区域最具代表性的识别模型的决策。这种方法对性别和年龄导致令人满意的预测。adhd - 200训练模型,评估在测试集的10倍交叉验证过程,获得了平均绝对误差(MAE) 1.43岁(0.22±SD)预测和曲线下面积(AUC) 0.85 (±0.04 SD)性别分类。在样本外验证,表现最好的adhd - 200模型满意地预测年龄(美= 1.57年)和性别(AUC = 0.89) ABIDE-II数据集。该模型的精度符合当前最先进的机器学习应用在神经影像。关键区域模型的准确性提出了一个有意义的图形输出。新的实现,比如VBM的使用以及3 d卷积神经网络多任务学习模型和脑成像图形输出,加强该工作流的相关性。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/5550914 - 10.1155 / 2021/5550914摩根富林明计算智力和神经科学PB - Hindawi KW - ER