211service.com
Deep-Learning Machine izmanto MRI skenēšanu, lai noteiktu jūsu smadzeņu vecumu
Cilvēka kognitīvās spējas samazinās līdz ar vecumu. Un neirozinātnieki jau sen ir zinājuši, ka šis samazinājums korelē arī ar anatomiskām izmaiņām smadzenēs. Tāpēc nav pārsteigums, uzzinot, ka smadzeņu MRI attēlos ir iespējams pamanīt novecošanās pazīmes un pat noteikt smadzeņu vecumu. Atšķirība starp smadzeņu vecumu un hronoloģisko vecumu var atklāt tādu apstākļu rašanos kā demence.
Taču analīze ir gara, jo MRI dati ir smagi jāapstrādā, pirms tie ir piemēroti automatizētai novecošanai. Šī pirmapstrāde ietver tādu audu, kas nav smadzeņu audu, piemēram, galvaskausa, noņemšanu no attēla, baltās vielas, pelēkās vielas un citu audu klasifikāciju, kā arī attēla artefaktu noņemšanu, kā arī dažādas datu izlīdzināšanas metodes.
Visa šī datu kraukšķināšana var ilgt vairāk nekā 24 stundas, un tas ir nopietns šķērslis ārstiem, kuri vēlas, veicot klīnisko diagnozi, ņemt vērā pacienta smadzeņu vecumu.
Mūsdienās viss mainās, pateicoties Džovanni Montānas darbam Londonas King’s College un dažiem draugiem, kuri ir apmācījuši padziļinātas apmācības iekārtu smadzeņu vecuma noteikšanai, izmantojot magnētiskās rezonanses skenera neapstrādātus datus. Padziļinātās mācīšanās tehnika aizņem sekundes, un tā varētu sniegt ārstiem precīzu priekšstatu par smadzeņu vecumu, kamēr pacients joprojām atrodas skenerī.
Metode ir standarta padziļinātās mācīšanās tehnika. Montana un citi izmanto MRI smadzeņu skenējumus vairāk nekā 2000 veseliem cilvēkiem vecumā no 18 līdz 90 gadiem. Nevienam nebija nekādu neiroloģisku traucējumu, kas varētu ietekmēt viņu smadzeņu vecumu. Tātad viņu smadzeņu vecumam ir jāatbilst viņu hronoloģiskajam vecumam.
Katra skenēšana ir standarta T1 svērtā MRI skenēšana, kas ir tāda veida, ko ražo lielākā daļa mūsdienu MRI iekārtu. Katra skenēšana ir marķēta ar pacienta hronoloģisko vecumu.
Komanda izmantoja 80 procentus no šiem attēliem, lai apmācītu konvolucionālo neironu tīklu, lai noteiktu cilvēka vecumu, ņemot vērā viņu smadzeņu skenēšanu. Viņi izmantoja vēl 200 attēlus, lai apstiprinātu šo procesu. Visbeidzot, viņi pārbaudīja neironu tīklu ar 200 attēliem, kurus tas nebija redzējis, lai noteiktu, cik labi tas var izmērīt smadzeņu vecumu.
Tajā pašā laikā komanda salīdzināja dziļās mācīšanās pieeju ar parasto smadzeņu vecuma noteikšanas metodi. Tam nepieciešama plaša attēlu apstrāde, lai cita starpā noteiktu balto un pelēko vielu smadzenēs, kam seko statistiskā analīze, ko sauc par Gausa procesa regresiju.
Rezultāti rada interesantu lasīšanu. Gan dziļā mācīšanās, gan Gausa procesa regresija precīzi nosaka pacientu hronoloģisko vecumu, ja tiek analizēti iepriekš apstrādāti dati. Abas metodes to dara ar kļūdu, kas mazāka par pieciem gadiem.
Tomēr dziļā mācīšanās parāda savu nepārprotamo pārākumu, analizējot neapstrādātus MRI datus, kur tā darbojas tikpat labi, norādot pareizo vecumu ar vidējo kļūdu 4,66 gadi. Turpretim Gausa procesa regresijas standarta metode šajā testā darbojas slikti, sniedzot aptuvenu vecumu ar vidējo kļūdu gandrīz 12 gadus.
Turklāt padziļinātās mācīšanās analīze aizņem tikai dažas sekundes, salīdzinot ar 24 stundu iepriekšēju apstrādi, kas nepieciešama standarta metodei. Vienīgā datu apstrāde, kas nepieciešama dziļās apmācības iekārtai, ir nodrošināt attēla orientācijas un vokseļu izmēru konsekvenci starp attēliem.
Tam ir būtiska ietekme uz ārstiem. Pareizi ieviešot programmatūru, smadzeņu prognozētā vecuma dati varētu būt pieejami klīnicistam, kamēr pacients joprojām atrodas skenerī, saka Montana un citi.
Komanda arī salīdzināja attēlus, kas uzņemti, izmantojot dažādus skenerus, lai parādītu, ka šo paņēmienu var izmantot skenēšanai ar dažādām iekārtām dažādās pasaules daļās. Viņi arī salīdzina dvīņu smadzeņu vecumu, lai parādītu, kā smadzeņu vecums ir saistīts ar ģenētiskajiem faktoriem. Interesanti, ka korelācija samazinās līdz ar vecumu, kas liecina, ka laika gaitā vides faktori kļūst nozīmīgāki, un liecina par daudzsološu turpmāko pētījumu virzienu.
Tas ir iespaidīgs rezultāts, kas var būtiski ietekmēt to, kā klīnicisti nonāk pie diagnozes. Ir daudz pierādījumu tam, ka tādi stāvokļi kā diabēts, šizofrēnija un traumatisks smadzeņu bojājums ir saistīti ar ātrāku smadzeņu novecošanos. Tātad veids, kā ātri un precīzi izmērīt smadzeņu novecošanos, varētu būtiski ietekmēt to, kā ārsti nākotnē risina šos apstākļus. Smadzeņu paredzamais vecums ir precīzs, ļoti uzticams un ģenētiski derīgs fenotips, ko var izmantot kā smadzeņu novecošanas biomarķieri, saka Montans un citi.
Atsauce: arxiv.org/abs/1612.02572 : Smadzeņu vecuma prognozēšana, padziļināti mācoties no neapstrādātiem attēlveidošanas datiem, izmantojot uzticamu un pārmantojamu biomarķieri