論文の概要: ReBA-Pred-Net: Weakly-Supervised Regional Brain Age Prediction on MRI

• arxiv url: http://arxiv.org/abs/2602.12751v1
• Date: Fri, 13 Feb 2026 09:31:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.905546
• Title: ReBA-Pred-Net: Weakly-Supervised Regional Brain Age Prediction on MRI
• Title（参考訳）: ReBA-Pred-Net:MRIによる局所脳年齢予測の弱弱化
• Authors: Shuai Shao, Yan Wang, Shu Jiang, Shiyuan Zhao, Xinzhe Luo, Di Yang, Jiangtao Wang, Yutong Bai, Jianguo Zhang,
• Abstract要約: 局所脳年齢(ReBA)の推定は重要であるが、広く一般化可能なモデルはまだ確立されていない。 本研究では,脳年齢推定のための教師学習フレームワークReBA-Pred-Netを提案する。
• 参考スコア（独自算出の注目度）: 20.74655155594933
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Brain age has become a prominent biomarker of brain health. Yet most prior work targets whole brain age (WBA), a coarse paradigm that struggles to support tasks such as disease characterization and research on development and aging patterns, because relevant changes are typically region-selective rather than brain-wide. Therefore, robust regional brain age (ReBA) estimation is critical, yet a widely generalizable model has yet to be established. In this paper, we propose the Regional Brain Age Prediction Network (ReBA-Pred-Net), a Teacher-Student framework designed for fine-grained brain age estimation. The Teacher produces soft ReBA to guide the Student to yield reliable ReBA estimates with a clinical-prior consistency constraint (regions within the same function should change similarly). For rigorous evaluation, we introduce two indirect metrics: Healthy Control Similarity (HCS), which assesses statistical consistency by testing whether regional brain-age-gap (ReBA minus chronological age) distributions align between training and unseen HC; and Neuro Disease Correlation (NDC), which assesses factual consistency by checking whether clinically confirmed patients show elevated brain-age-gap in disease-associated regions. Experiments across multiple backbones demonstrate the statistical and factual validity of our method.
• Abstract（参考訳）: 脳年齢は、脳の健康の顕著なバイオマーカーとなっている。 しかし、ほとんどの先行研究は、病気の特徴や発達や老化パターンの研究のようなタスクを支援するのに苦労する粗いパラダイムである全脳年齢(WBA)をターゲットにしている。 したがって、ロバストな局所脳年齢(ReBA)推定は重要であるが、広く一般化可能なモデルはまだ確立されていない。 本稿では,脳年齢の詳細な推定を目的とした教師学習フレームワークReBA-Pred-Netを提案する。 教師はソフトなReBAを作成し、臨床と臨床の整合性の制約(同じ機能内の領域も同様に変化するべきである)で信頼性の高いReBA推定値を得るよう学生に誘導する。 より厳密な評価を行うために,臨床検査で確認された患者が疾患関連領域で脳年齢が上昇しているかどうかを確認することで,脳年齢(ReBAマイナス年代)分布がトレーニングと未確認HCと一致しているかを検査し,統計的整合性を評価する健康管理類似度(HCS)と,臨床的に確認された患者が疾患関連領域で脳年齢が上昇しているかどうかを判定する神経疾患相関(NDC)の2つの間接指標を導入する。 複数のバックボーンにまたがる実験により,本手法の統計的および事実的妥当性が示された。

関連論文リスト

• Explainable Brain Age Gap Prediction in Neurodegenerative Conditions using coVariance Neural Networks [94.06526659234756]
  脳年齢差予測に対するブラックボックス機械学習アプローチは実用性に制限がある。 各種神経変性疾患に対する皮質厚み特徴を用いた脳年齢差の研究に,VNNに基づくアプローチを適用した。 以上の結果より,アルツハイマー病,前頭側頭型認知症,非定型パーキンソン病の脳年齢差の解剖学的特徴が明らかとなった。
  論文  参考訳（メタデータ） (2025-01-02T19:37:09Z)
• A voxel-level approach to brain age prediction: A method to assess regional brain aging [35.506876461932855]
  ボクセルレベルの予測は、局所的な脳年齢推定を提供し、局所的な老化過程に関する詳細な洞察を与えることができる。 深層学習に基づくマルチタスクモデルは、T1強調磁気共鳴画像からボクセルレベルの脳年齢を予測するために提案される。
  論文  参考訳（メタデータ） (2023-10-17T16:32:38Z)
• Robust Brain Age Estimation via Regression Models and MRI-derived Features [2.028990630951476]
  本稿では,Open Big Healthy Brain (OpenBHB)データセットを用いた新しい脳年齢推定フレームワークを提案する。 提案手法は,MRIから得られた3つの領域的特徴と回帰モデルを統合し,脳年齢を高精度に推定する。
  論文  参考訳（メタデータ） (2023-06-08T19:07:22Z)
• Explainable Brain Age Prediction using coVariance Neural Networks [94.81523881951397]
  大脳皮質の厚み特徴を用いた脳年齢予測のための説明駆動・解剖学的解釈可能なフレームワークを提案する。 具体的には、私たちの脳年齢予測フレームワークは、アルツハイマー病(AD)の脳年齢ギャップの粗い指標を超えて拡張されます。 我々は2つの重要な観察を行う: VNNは、貢献する脳の領域を同定することによって、ADの脳年齢差を高めるために解剖学的解釈性を割り当てることができる。
  論文  参考訳（メタデータ） (2023-05-27T22:28:25Z)
• Brain Structural Saliency Over The Ages [0.41998444721319217]
  524名の小断面コホートからT1構造MRIボリュームのBA回帰モデルとしてResNetモデルを訓練した。 老化過程を通じて異なる脳領域への関連性の変化を示す。 地域によっては、年齢による関係が増大し、年齢による関係が減少する地域もある。
  論文  参考訳（メタデータ） (2022-01-12T09:50:29Z)
• Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
  本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。 予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。 本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
  論文  参考訳（メタデータ） (2021-08-11T18:08:09Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。