半监督协同回归提升脑龄预测：融合fMRI与DTI特征的研究

本文主要探讨了"基于半监督协同回归的脑龄预测研究"这一领域的创新性工作。作者李绮焯、田丽霞和朱鸿睿针对当前医学神经图像领域的人脑成熟和老化研究热点，提出了一个新颖的方法来预测个体的脑年龄。以往的研究中，尽管已经有许多研究通过fMRI或DTI图像数据实现了较高的脑龄预测精度，但在国内尚缺乏将这两种图像特征结合起来进行老龄化的研究。 通常，这些研究依赖于有标记的监督学习，也就是需要大量的标注样本以进行模型训练。然而，这种方法不仅成本高昂，而且可能会限制数据利用的效率。本文创新性地采用了半监督协同训练策略，这种方法在处理数据标记不足的情况下依然能够有效地整合fMRI的功能连接（RSFCs）和DTI图像的扩散张量成像（DTI）特征——如FA值，这是一种反映白质纤维束完整性的重要指标。 研究过程中，作者对73名30至85岁的被试者进行了静息态fMRI和DTI数据的多维度分析。首先，他们提取了静息态fMRI中的RSFCs以及DTI图像的FA参数图，然后利用半监督协同回归算法（COREG）将这两种特征融合起来进行脑龄预测。实验结果显示，FA值特征在脑龄预测中的作用显著，超过RSFCs，这暗示着在衰老过程中，白质纤维的结构变化可能比功能连接的变化更为关键。 此外，这种基于半监督协同回归的脑龄预测方法具有显著的优势。它不仅降低了样本标记的成本，还有效利用了fMRI和DTI两种视角的特征信息，为实际应用中的脑老化研究提供了一种更经济高效且信息丰富的分析手段。因此，这项研究不仅推动了脑年龄预测技术的发展，也为神经科学和临床医学领域提供了新的研究思路和工具。 关键词：半监督协同回归、脑龄预测、FA值、功能连接（RSFCs）。整个研究的结果表明了该方法在处理有限标注数据和提高预测准确性方面的潜力，对于未来的大规模无标记数据挖掘和个性化医疗具有重要的理论和实践价值。