检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:林岚[1] 王婧璇 付振荣[1] 邬雪涛 吴水才[1] LIN Lan;WANG Jingxuan;FU Zhenrong;WU Xuetao;WU Shuicai(College of Life Science and Bio-engineering,Beijing University of Technology,Beijing 100124,P.R.China)
机构地区:[1]北京工业大学生命科学与生物工程学院
出 处:《生物医学工程学杂志》2019年第3期493-498,共6页Journal of Biomedical Engineering
基 金:国家科技支撑计划课题(2015BAI02B03);北京市自然科学基金-海淀原始创新联合基金(L182010);北京市教委科技一般项目(KM201810005033)
摘 要:大脑会随年龄增长而逐渐发生萎缩与机能衰退,并且这种变化的速度和轨迹在脑区间和个体间存在明显差异。由于神经影像可以反映大脑的健康状态,因此常用于大脑年龄的预测研究。本文对基于神经影像的脑年龄预测模型研究进行了系统的梳理和回顾,根据影像的模态和特征类型对这些研究进行综述,剖析了其优缺点。结果显示,基于神经影像的预测框架具备个体对象脑年龄预测的潜力。最后,本文讨论了脑年龄预测中存在的问题,并对未来的研究方向进行了展望。The human brain deteriorates as we age,and the rate and the trajectories of these changes significantly vary among brain regions and among individuals.Because neuroimaging data are potentially important indicators of individual's brain health,they are commonly used in brain age prediction.In this review,we summarize brain age prediction model from neuroimaging-based studies in the last ten years.The studies are categorized based on their image modalities and feature types.The results indicate that the prediction frameworks based on neuroimaging holds promise toward individualized brain age prediction.Finally,we addressed the challenges in brain age prediction and suggested some future research directions.
关 键 词:脑年龄 预测模型 神经影像 机器学习 脑老化 卷积神经网络
分 类 号:R338[医药卫生—人体生理学]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.15