Google Developers Indonesia Blog: Cara Memperkirakan Usia Otak Dengan Data MRI

Cara Memperkirakan Usia Otak Dengan Data MRI

15 March 2019

Panduan praktis untuk menerapkan machine learning dalam dunia kesehatan
notebook Colab

Pertanyaan medis dibingkai sebagai masalah machine learning terarah

Ambil data dan bersihkan

Analisis data lalu ekstrak fitur yang relevan dengan masalah tersebut

Rancang strategi validasi

Latih algoritme dengan data tersebut, analisis error, dan interpretasikan hasilnya

Ulangi terus sampai kinerja terbaik algoritme didapatkan.

Catatan: notebook Colab

Pengumpulan DataSet Data ASet Data B notebook Colab

Histogram distribusi usia di antara 1.597 subjek, yang menunjukkan bias terhadap subjek yang lebih muda.

Sebelum Memproses Data.ANTsMNI152normalisasi white stripe

Pipeline prapemrosesan MRI.

Apa yang dokter ketahui tentang penuaan otak?

Atrofi, penurunan ketebalan materi abu-abu (karena hilangnya neuron)

Leukoaraiosis, yang muncul sebagai hipointensitas materi putih (karena penuaan pembuluh darah)

Dilatasi ventrikel, sebagai konsekuensi atrofi dan penumpukan cairan serebrospinal di ventrikel otak.

Perbandingan usia otak secara fisiologis dengan fitur-fitur yang diperjelas

James ColeCole et al., 2017Kaufmann et al., 2018artikelQuanta

Memulai dengan baselinenotebook Colab

Dua puncak tersebut merepresentasikan materi abu-abu dan materi putih. Seperti yang kita ketahui, penuaan berhubungan dengan atrofi materi abu-abu. Bisakah kita memprediksi usia otak dengan representasi yang belum sempurna ini?

menggunakan 5-fold cross-validation, random splitCole et al. 2017

Meninjau kembali cross validation

Distribusi usia per rumah sakit.

Rata-rata histogram intensitas voxel per rumah sakit: kiri, dinormalisasi hanya pada puncak materi putih (v1); kanan, dinormalisasi pada puncak materi putih dan materi abu-abu (v2).

Mean Absolute Error (MAE) dan deviasi standar selama bertahun-tahun untuk berbagai algoritme

level of evidence

Lebih jauh lagi dengan segmentasi jaringanFSL FASTnotebook Colab kami

Tampilan masker segmentasi jaringan otak yang berbeda. Dari kiri ke kanan, masker materi abu-abu, materi putih, dan cairan serebrospinal (CSF)

Mean Absolute Error (MAE) dan deviasi standar selama bertahun-tahun untuk berbagai algoritme.

Mari kita mulai dengan CNN!notebook ColabResNet50

Mean Absolute Error (MAE) dan deviasi standar selama bertahun-tahun untuk berbagai algoritme

Metode ensemble untuk kinerja terbaikmetode ensemble

Kinerja rata-rata pada 5-fold cross-validation untuk algoritme terakhir

Melihat ke dalam kotak hitam

Peta oklusi yang diperoleh untuk subjek dewasa di bawah 30 tahun (kiri), dan subjek di atas usia 60 tahun (kanan).

Good et al., 2001postingan ini

Menggunakan model kami untuk memprediksi penyakit Alzheimerdatabase ADNIGaser et al., 2013Rafel et al., 2017Koutsouleris et al., 2014Coleet al., 2015

Distribusi perbedaan antara usia subjek yang diprediksi dan yang dilaporkan rata-rata berbeda 6 tahun antara kontrol normal dan penyakit Alzheimer pada 489 pasien dari database ADNI.