旋转等变脑龄预测框架被提出
热点事件持续更新
旋转等变脑龄预测框架被提出
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
论文作者提出结合白质纤维取向分布（WM-FODs）与 SE(3) 等变卷积神经网络的脑龄预测框架，并报告其在 692 名 36—90 岁参与者数据上优于所评估的 DTI 模型和传统 CNN，五折交叉验证的平均预测误差为 3.54 年、Pearson 相关系数为 0.958。 该方法直接处理 FOD 的球谐系数，以保留旋转变换特性。论文作者还通过轨迹遮挡分析识别模型关注的白质区域，结果显示不同年龄段对应的敏感区域并不相同。
AI 根据报道生成 · 38 分钟前更新
最新进展10月28日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。