Current Result Document :
| 한글제목(Korean Title) |
해석가능한 머신러닝을 이용한 신경영상 기반 뇌연령 예측의 개별 변동성 |
| 영문제목(English Title) |
Investigating Individual Variability in Neuroimaging-Based Brain Age Estimation Using Interpretable Machine Learning |
| 저자(Author) |
한주혁
이준혁
이원희
Juhyuk Han
Junhyeok Lee
Won Hee Lee
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 1546 ~ 1548 (2022. 12) |
한글내용
(Korean Abstract) |
신경영상 데이터 기반 인공지능 모델에서 예측된 뇌연령은 뇌 질환과 노화를 측정하는 중요한 생체 지표로 사용된다. 개인의 각기 다른 특성에 맞춘 진단과 치료가 필요하다는 정밀의학에 대한 개념이 뇌연령 연구에 적용이 되고 있다. 머신러닝 혹은 딥러닝 모델을 사용하는 기존 뇌연령 예측은 좋은 성능을 내지만, 인공지능 모델에 대한 해석에 대한 어려움을 가지고 있다. 본 연구에서는 22세에서 37세 사이의 건강한 subject에 대한 T1 강조 MRI 영상에서 뇌의 형태학적 정보를 추출하고 선형 머신러닝 Lasso기법을 활용하여 뇌연령을 예측하였다. 연령, 성별, 평균 피질 두께, 총 피질 표면적의 4가지 특성을 교란 변수로 설정하여 kernel SHAP을 통해 brain age delta에 대한 각 특징들의 영향력을 subject별로 정량화하였고, model error explanation matrix를 생성하였다. 코사인 유사도를 통해 between-subject similarity를 계산하여 다른 subject들과의 변동성(variation)을 분석하였다. Model error explanation matrix에서 between-subject similarity는 평균 0.54(표준편차 0.03)으로 뇌연령 예측에 사용되는 특징들이 개인마다 상이하다는 것을 파악했다. 향후, 뇌연령 예측과 특성의 중요도 측정에서 개인의 특성을 반영하여 뇌연령 예측의 정밀성을 향상시킬 것으로 기대한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
