С возрастом когнитивные способности человека снижаются. Нейробиологам давно известно, что это снижение коррелирует с физическими изменениями в головном
Такой анализ зачастую является очень долгим, поскольку данные МРТ нужно детально обработать, прежде чем запустить автоматизированные процессы распознавания старения: удалить с изображения кости черепа, разделить серое и белое вещество и другие ткани, а также удалить артефакты изображения, включая различные способы сглаживания изображения. Вся обработка может занять более 24 часов, и это препятствие для врачей, надеющихся принимать во внимание возраст головного
Джованни Монтана и его команда натренировали сверточную нейронную сеть (CNN) для измерения возраста
Метод является стандартной техникой глубинного обучения. Монтана и его команда использовали томограммы
Каждый скан представляет собой Т-1 взвешенное изображение. На таком изображении жидкости в головном
Пример нейровизуализации входных данных для использования в моделях прогнозирования возраста. А — серое вещество в осевой проекции, В — белое вещество в осевой проекции, С — «сырые» или минимально обработанные Т1-взвешенные изображения.
На каждом снимке ученые отметили хронологический возраст пациента. Команда использовала 80% изображения для обучения сверточной нейронной сети, чтобы определить возраст человека, учитывая скан их
В то же время, команда сравнила результаты глубинного подхода с традиционным способом определения возраста
Результаты оказались довольно интересными. И глубинное обучение, и статистический анализ точно определяют хронологический возраст пациентов при введении данных для анализа в препроцессированной форме. Оба метода так или иначе работают с погрешностью менее 5 лет при определении точного возраста головного
Точность CNN и регрессии на основе гауссовских процессов при анализе 200 изображений. Хронологический возраст (ось Х), предполагаемый возраст
Тем не менее, глубинное изучение демонстрирует свое явное превосходство при анализе исходных данных МРТ, где сеть определяет правильный возраст со средней погрешностью 4,66 лет. В отличие от CNN, стандартный метод регрессии на основе гауссовских процессов хуже справился с задачей: средняя погрешность составила почти 12 лет.
Более того, глубинное обучение занимает всего несколько секунд по сравнению с 24 часами предварительной обработки, необходимой для стандартного метода. Единственная обработка данных, необходимая для сверточной нейронной сети, должна определить последовательность ориентации изображения и размеры воксела между ними. Для врачей это важно: после внедрения соответствующего программного обеспечения, данные о возрасте
Команда также сравнила изображения, полученные с использованием различных сканеров, чтобы показать, что метод можно применить для сканов, собранных с разных машин в разных частях мира. Помимо этого они сравнили возраст
Результат работы Монтаны и его команды обладает потенциалом повлиять на то, как врачи определяют верный диагноз. Есть немало свидетельств, что такие заболевания, как диабет, шизофрения и травматические повреждения головного
Научная работа опубликована на arXiv.org (Arxiv: 1612,02572 [stat.ML])
Автор: krasandm