众所周知，人类的认知能力会随着年龄的增长而下降。神经科学家早就知道这种下降与大脑解剖结构的变化有关。因此，容易想到使用脑磁共振成像（MRI）来识别衰老的迹象，甚至确定“大脑年龄”。另外，大脑年龄和按年龄划分的年龄差异也可能揭示出痴呆症等疾病的发生。但是，整个分析过程非常漫长，因为需要大量的MRI数据预处理才能识别大脑的年龄特征。这些预处理包括从MRI图像中去除诸如颅骨之类的非脑组织，对脑白质，灰质和其他组织进行分类，以及使用各种数据平滑技术来去除图像伪影。所有这些数据处理最终可能要花费超过24小时，这对医生的临床诊断极为不利，甚至是一个主要障碍。最近，来自伦敦国王学院的乔瓦尼·蒙塔纳（Giovanni Montana）研究小组使用MRI扫描仪的原始图像来训练其深度学习机，以自动识别大脑的年龄。这种深度学习技术仅需几秒钟，即使在扫描仪中对患者进行检查时，它也可以告诉医生准确的大脑年龄信息，这将为医生提供非常可靠和有用的信息，以进行正确的临床诊断。此方法是标准的深度学习技术。 Montana及其同事对18至90岁之间的健康大脑进行了2,000多次MRI扫描，并且没有一个样本有任何会影响大脑年龄的神经系统疾病。因此，这些样本的大脑年龄与实际年龄并不相同。其中，每个扫描图像都是从标准的T1加权MRI扫描获得的，这与大多数现代MRI扫描仪的输出类型一致。在收集过程中，每次扫描都将标有测试人员的实际年龄。研究人员使用总图像集的80％来训练卷积神经网络，以便从大脑MRI扫描图像确定要测试的大脑年龄。另外，研究人员还在剩余图像集中使用了200张图像来验证“大脑年龄”。识别过程。最后，研究人员使用剩下的20％图像来测试深度学习神经网络，以确定测量大脑年龄的准确性。同时，该团队将其深度学习技术与传统的大脑年龄确定方法进行了比较。传统的“大脑时代”确定需要大量图像处理工作来识别大脑白质和灰质区域，然后执行称为高斯过程回归的统计分析。结果非常有趣。在分析给定的预处理数据时，深度学习方法和高斯过程回归方法都可以准确确定患者的实际年龄，并且两者的误差均小于5年。但是，在原始MRI数据的基础上，深度学习方法具有明显的优势，并且测量结果的平均误差仅为4.66年。相比之下，标准的高斯过程回归方法性能较差，只能给出粗糙的年龄，平均误差将近12年。此外，与需要长达24小时的数据预处理的传统标准方法相比，深度学习方法的分析仅需几秒钟。深度学习方法所需的唯一数据预处理是确保原始图像的方向一致并且图像之间的像素大小一致。这种迅速的决定对医生来说具有重要意义。 Montana小组说：“使用这种深度学习软件，当患者仍在扫描仪中时，它可以为临床医生提供有关大脑年龄的预测数据。”此外，该团队还比较了使用不同扫描仪的情况。所获得的图像表明，深度学习技术可用于世界不同地区的不同机器的扫描结果。研究人员还比较了双胞胎的大脑年龄，显示了大脑年龄与遗传因素之间的关系。有趣的是，这种相关性随着年龄的增长而降低，这表明环境因素随着时间的推移变得越来越重要，为未来的研究提供了方向。总体而言，这是一项令人兴奋的技术突破，有望显着影响临床医生的诊断方法。大量证据表明，糖尿病，精神分裂症和脑外伤与大脑加速衰老有关。因此，一种快速准确的确定脑衰老特征的方法可能会对临床医生的治疗方式产生重要影响。