首页 > 文献资料
-
迁移学习和空间协方差模型在研究脑萎缩和白质高信号关系中的应用
目的:为了明确白质高信号的危险因素和发病机制,基于迁移学习和空间协方差模型研究脑萎缩和白质高信号的相互关系及高血压对这种关系的影响.方法:选取美国亚利桑那大学附属医院41名健康中老年人(健康对照组)和41名高血压中老年患者(高血压组)MRI数据.首先,采用基于种子点的模糊聚类算法测量白质高信号的体积.其次,基于上百万张图片预训练得到的卷积神经网络AlexNet采用迁移学习的方法从灰质密度图中提取大脑形态特征.后,采用基于主成分分析方法的尺度子配置模型来获取与脑白质病变相关的形态学空间协方差模式.结果:与灰度密度图相比,深度学习模型对影像特征具有更好的表达,通过迁移学习提取的特征具有更高的模型拟合优度.与健康对照组相比,高血压组患者的脑部影像对这种特征模式具有更强的表达.结论:基于迁移学习和空间协方差方法可以较好地应用于脑萎缩和白质高信号间关系的研究中.
-
丰富环境刺激对小鼠脑认知储备影响的定量研究
目的:研究丰富环境刺激对小鼠脑认知储备的影响,以改进大脑年龄估值差(brain age gap estimation,BrainAGE)敏感度较低的问题.方法:采用21只清洁级健康成年C57BL/6J雄性小鼠(15月龄),并基于标准环境组、丰富环境组一、丰富环境组二的磁共振显微成像(magnetic resonance microcopy,MRM),运用尺度子配置模型(scaled subprofile model,SSM)对组间能反映认知储备变化的特征进行分析.结果:丰富环境组和标准环境组的平均BrainAGE在刺激开始后始终存在显著差异.验证了基于BrainAGE预测认知储备的一些假设,经优化后的BrainAGE预测模型可以解释丰富环境刺激时间中58.9%的差异.结论:改善后的BrainAGE测量模型对测量认知储备的余度具有敏感性,可以较好地预测认知储备的余度.