基于静息态功能MRI的认知储备对脑网络的影响研究

目的:基于静息态功能磁共振成像(rest state functional magnetic resonance imaging,rsfMRI)图像,探究认知储备对脑网络的影响。方法:首先,在英国生物银行中选择7973名健康中老年人的rsfMRI图像,通过独立成分分析得到21个静息态网络。其次,采用图论分析方法提取网络节点效率、最短路径长度以及节点度中心性等参数。最后,比较并分析静息态网络的活跃程度、网络节点效率、节点最短路径长度以及节点度中心性4个指标,以及这4个指标与受教育程度、早期流体智力、体育运动、休闲活动和社交程度5个认知储备代理指标之间的关系。结果:研究结果表明,受教育程度、早期流体智力和体育运动3个认知储备代理指标与多个静息态网络的活跃程度以及大多数认知控制网络和默认模式网络中的节点效率、节点度中心性之间存在显著的正相关关系,但与大多数认知控制网络和默认模式网络中的最短路径长度之间存在显著的负相关关系。而休闲活动和社交程度2个认知储备代理指标与静息态网络的活跃程度呈负相关关系,且对功能网络整体拓扑特性的影响也相对较小。结论:受教育程度、早期流体智力和体育运动对静息态网络具有重要促进作用,而休闲活动和社交程度这2个认知储备代理指标可能对静息态网络产生负面影响。

基于深度卷积生成对抗网络的大脑年龄预测方法研究

目的:提出一种基于深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)的大脑年龄预测方法,以客观评估大脑健康状态。方法:首先,将二维DCGAN扩展到三维DCGAN,并在DCGAN中加入残差块改进DCGAN模型,以提高特征提取能力。其次,使用无监督对抗学习来预训练分类器,使用迁移学习来微调分类器,以解决三维卷积神经网络(convolutional neural network,CNN)中由于小规模样本而导致的过度拟合问题。为验证改进模型的有效性,在英国生物银行(UK Biobank,UKB)数据库上,采用平均绝对误差(mean absolute error,MAE)作为评价指标,将该模型与最小绝对收缩选择算子(least absolute shrinkage and selection operator,LASSO)模型、机器学习模型、三维CNN模型和图卷积网络模型进行对比。结果:提出的模型在预测脑年龄方面表现优秀,MAE为2.896年,明显优于LASSO模型、机器学习模型、CNN模型和图卷积网络模型。结论:提出的方法在大规模数据集上具有较好的性能,能够较为准确地预测大脑年龄,可客观评估大脑健康状态。