arXiv · Machine Learning· Chenyang Fan, Robert D. Sanders, Elie Matar, Yixuan Yuan, Xiang Li, Sharon L. Naismith, Fernando Calamante, Jinglei Lv·· 10 小时前AI 评分44
基于白质纤维取向分布与旋转等变深度学习的可解释脑龄预测
Interpretable Brain Age Prediction Using White Matter Fiber Orientation Distributions with Rotation-Equivariant Deep Learning
AI 导读
研究团队提出结合白质纤维取向分布（WM-FODs）与 SE(3) 等变 CNN 的可解释脑龄预测框架，直接处理 FOD 的球谐系数以保留旋转变换特性。该框架在人类连接组衰老项目的 692 名 36-90 岁参与者中优于所评估的 DTI 模型和传统 CNN；五个交叉验证模型的平均预测误差为 3.54 年，Pearson 相关系数为 0.958。轨迹遮挡分析显示，不同年龄段的模型敏感区域各异。
来源：arXiv · Machine Learning · arxiv.org