总结磁共振成像的脑龄预测的人工智能模型

在人的一生中，大脑会发生与年龄相关的显著变化，个体的衰老速度会显示出明显的个体间差异，从而产生作为大脑特征在特定认知领域上的大脑标记。这些是由各种各样的因素形成的，既有内部的，也有外部的。最近，研究人员通过使用机器和深度学习(DL)技术，可以从神经成像内表型中获得对大脑年龄(BA)的准确预测。预测模型在准确估计年龄的同时，还揭示了哪些特征对最终预测贡献最大，这是揭示大脑老化模式演变潜在机制的关键。同时，可解释的人工智能(XAI)方法正在成为不同领域的使能技术，在生物医学中也不例外。在此框架内，本文考察了BA研究，并对可解释机器学习(ML)/ DL（深度学习）方法的开发方面的最新进展进行了全面回顾，强调了主要的未决问题，并为未来方向提供了提示。

介绍

一个人的大脑的脑龄是多少？这个看似简单的问题隐藏着一个极其复杂的系统，其中不同类型的内生变量和外生变量以一种未知的方式相互作用。在本文中，作者旨在通过关注一个具体的案例来提供一些见解：解释神经成像衍生的内表型对脑龄确定的影响，即大脑的“大脑特征”或“指纹”，同时