Brain Age Estimation: A Multi-Region Approach Using Groupwise Registration and 3D Shape Contexts Derived from Displacement Vector Fields
Notice bibliographique
Résumé
Brain age estimation has emerged as a crucial biomarker for quantifying inter-individual variability in brain aging and identifying risks of cognitive decline. This is particularly relevant for the study of neurodegenerative conditions like Alzheimer’s disease, where deviations from normal brain aging patterns can serve as early indicators of pathology. We introduce an interpretable framework for brain age estimation that adopts a multi-region perspective to capture heterogeneous neuroanatomical changes. Groupwise registration was employed to construct sex- and age-stratified templates, enabling the computation of anatomically meaningful displacement vector fields (DVFs) that characterize voxel-wise structural deviations from the population average. From these DVFs, features were extracted in fifteen brain regions using a 3D shape context descriptor to encode displacement direction and magnitude. Validation was performed on 1,956 T1-weighted MRI scans from cognitively normal individuals in the ADNI dataset (ages 60–90). The combined multi-region model achieved a mean absolute error (MAE) of$1.66 \pm 0.15$years ($R^{2} = 0.84 \pm 0.05$) for males and$1.81 \pm 0.12$years ($R^{2} = 0.80 \pm 0.04$) for females, significantly outperforming many contemporary deep learning models. These findings demonstrate that biologically interpretable, registration-derived features—when analyzed from a multi-regional perspective—can yield robust and accurate estimates of brain age. Beyond predictive accuracy, the framework provides insights into the regional specificity of aging processes, thereby offering a foundation for early detection strategies and targeted clinical applications in neurodegenerative disease research.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».