Structured Artificial Neural Networks for Chronological Brain Age Prediction using Functional Connectivity Matrices
Notice bibliographique
Résumé
Chronological brain age prediction using functional connectivity (FC) matrices derived from functional magnetic resonance imaging (fMRI) is an emerging biomarker for assessing neurological health, with deviations from biological age norms suggestive of cognitive decline or other brain disorders. While artificial neural networks (ANNs) outperform traditional age prediction methods by learning hierarchical patterns directly from FC data, most frameworks overlook the biological distinction of within- and between-network connectivity that exhibit divergent trajectories with age. This study addresses this gap by proposing a structured ANN that explicitly models within- and between-network connectivity as separate submodels, aligning their architectural design with modular organization of the brain. Leveraging resting-state fMRI data from 357 healthy adults, FC matrices were partitioned into six brain networks. The dedicated submodels processed within- and between-network connections, with their outputs concatenated prior to age prediction. Model performance was evaluated using mean absolute error (MAE). Grad-Cam was used for interpreting the model findings. Results demonstrated robust predictive performance (MAE was comparable to values in the literature) and revealed that between-network connectivity increased in importance when predicting age in older individuals, while within-network contributions remained stable with age. This finding aligns with prior non-ANN work showing age-related increases in cross-network integration and functional de-differentiation with age. By integrating biologically informed architecture with explainable AI, this work advances personalized brain-age prediction and clarifies network-specific mechanisms. Future directions include validation using longitudinal data and integration with multimodal data to investigate structural-functional coupling in aging.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».