arXiv · ML· Chenyang Fan, Robert D. Sanders, Elie Matar, Yixuan Yuan, Xiang Li, Sharon L. Naismith, Fernando Calamante, Jinglei Lv·· 24 天前AI 评分23
利用旋转等变深度学习预测可解释脑龄
Interpretable Brain Age Prediction Using White Matter Fiber Orientation Distributions with Rotation-Equivariant Deep Learning
AI 导读
结合白质纤维取向分布(WM-FODs)与SE(3)等变CNN的脑龄预测框架优于DTI模型和常规CNN。 该框架在Human Connectome Project Aging数据集(692名36-90岁参与者)上取得3.54年平均绝对误差及0.958皮尔逊相关系数。 结果表明WM-FODs与等变处理的结合对性能优势至关重要,且预测准确性在球谐阶数Lmax = 2时最高。
来源:arXiv · ML · arxiv.org