Pominova介绍,本项研究通过3D 超精密神经网络,可以对原始图像进行分类,而无需先缩小其维数,因此也不会丢失有价值的信息。研究人员将3739组数据用于建模训练,415组用于验证。由此,研究人员还对流体智力水平和目标变量都做了预测,这些均与年龄、性别、大脑体积或者使用的核磁扫描仪型号无关。
结果发现,儿童“流体智力”与大脑解剖结构之间存在一定的相关性,遗憾的是,各种模型对智力预测的误差较大。但是,Pominova指出,这一模型将有助于阐明青少年大脑结构与认知、社交、情感和身体发育等各个方面联系,未来还有很大的研究发展空间。
当然,除了预测智商,核磁还有预测和诊断各类神经系统疾病的潜力。2019年12月初,发表于《放射学:人工智能》上的一项研究提出“脑核磁+人工智能”方法将来可用于诊断儿童注意缺陷与多动症。来自于辛辛那提医学院的Lili He博士指出,目前多动症还不能通过单一的测试或医学影像检查在单个儿童身上确诊,但已有研究证明多动症与大脑网络内部联系之间某种形式的破坏有关。先前的研究仅聚焦于单一的评价尺度,而本项研究中,研究人员使用了多尺度模型。他们将973名参与者的大脑数据与性别智商等个人特征进行联系发现,利用人工智能辅助下的多尺度评价方法显著提高了多动症的检测性能。He指出,除多动症外,这个模型和可以推广到其它系统缺陷,比如早产儿的认知缺陷等。
参考资料:
1. medicalxpress
Can MRI predict intelligence levels in children?
https://medicalxpress.com/news/2019-12-mri-intelligence-children.html
2. medicalxpress
Artificial intelligence boosts MRI detection of ADHD
https://medicalxpress.com/news/2019-12-artificial-intelligence-boosts-mri-adhd.html