来自生物医学工程与成像科学学院的研究人员开发了一种新的机器学习工具，可以分析大脑核磁共振成像，并预测与其他人群相比大脑的年龄。它本质上是一种筛查工具，可以通过常规临床扫描实时自动检测出较老的大脑。
这项发表在《神经影像》杂志上的研究表明，作为自然过程的一部分，大脑容量会随着年龄的增长而减少，只要容量的减少与患者的年龄相适应，新工具就能预测出患者的正确年龄。
但如果病人大脑病变,已经失去了过多的体积,如痴呆,这个工具将显示真正的年龄和预测之间的不匹配年龄从而提醒临床医生这一重要差异,国旗的大脑异常的年龄。
“我们已经证明，如果该中心足够幸运地拥有专家，通过自动化过程，从扫描点到专家审查，是有可能缩小这一差距的。”
使用基于深度学习的神经放射学报告分类器，研究人员从英国两家大型医院，即盖伊和圣托马斯的NHS基金会信托和国王学院医院，生成了23302个“年龄放射学正常”的头部MRI检查数据集，这些医院使用了预先存在的神经放射学报告。
然后使用一种不寻常的方法，即对扫描进行很少的计算预处理，他们将另一种深度学习图像算法应用于大数据集的普通扫描。
进一步的实验使用了来自第三家研究所的各种正常扫描类型以及开源数据集。
他们的最终模型是使用脑容量损失不成比例的扫描来测试的，然后通过建立扫描部分的热图来检查他们的模型发现，该模型预测有不成比例的脑容量损失。
该研究的第一作者David Wood博士是生物医学工程和成像科学学院的研究员，他说，这项研究的一个关键方面是使用了一个大型的、具有临床代表性的数据集来进行模型训练。
研究人员说，这个框架可能对病人护理、药物开发和 优化 MRI数据收集有重要意义。
“目前异常 较老的大脑 是 检测 有时后 在报告的时候扫描。最准确的报告将在 中心 ，那里有神经放射学家，但很少有 中心有 。”
“自动检测体积损失 实时 帮助筛选在所有原因获得的扫描过程中常见的神经退化问题。随后的诊断，例如早期阿尔茨海默氏症，可能通过实施早期医疗和社会干预改善病人护理。同样，病人 可能会 招募 在早期阶段进入药物试验。”
布斯博士说，该框架还可以用来利用现有的大型医院数据库的财富，为医学图像分析工具(如异常检测)的培训、测试和临床验证提供强大的新资源。
