Using deep learning to predict abdominal age from liver and pancreas magnetic resonance images.
Using deep learning to predict abdominal age from liver and pancreas magnetic resonance images.
复制标题
DOI：
10.1038/s41467-022-29525-9
复制
发表时间：
2022-04-13
影响因子：
16.6
通讯作者：
中科院分区：
文献类型：
--
作者：
随着年龄的增长，脂肪肝、肝硬化和二型糖尿病等疾病的患病率增加。预测腹部年龄和确定腹部年龄加速的危险因素的方法最终可能会取得进展，从而延缓这些疾病的发生。我们通过训练卷积神经网络构建腹部年龄预测器，以根据 45,552 个肝脏磁共振图像 [MRI] 和 36,784 个胰腺 MRI 预测腹部年龄（或“AbdAge”）（R-Squared = 73.3 ± 0.6；平均绝对误差 = 2.94 ± 0.03 岁）。注意力图显示，预测是由肝脏和胰腺的解剖特征以及周围的器官和组织驱动的。腹部衰老是一种复杂的特征，部分可遗传（h_g2 = 26.3 ± 1.9%），并与 16 个基因位点（例如 PLEKHA1 和 EFEMP1）、生物标志物（例如身体阻抗）、临床表型（例如胸痛）、疾病（例如高血压）、环境（例如吸烟）和社会经济因素相关（例如教育、收入）因素。确定腹部年龄和确定腹部年龄加速的危险因素的方法将有助于延缓多种疾病的发作。在这里，作者通过训练卷积神经网络构建腹部年龄预测器，以根据肝脏和胰腺 MRI 预测腹部年龄。
With age, the prevalence of diseases such as fatty liver disease, cirrhosis, and type two diabetes increases. Approaches to both predict abdominal age and identify risk factors for accelerated abdominal age may ultimately lead to advances that will delay the onset of these diseases. We build an abdominal age predictor by training convolutional neural networks to predict abdominal age (or “AbdAge”) from 45,552 liver magnetic resonance images [MRIs] and 36,784 pancreas MRIs (R-Squared = 73.3 ± 0.6; mean absolute error = 2.94 ± 0.03 years). Attention maps show that the prediction is driven by both liver and pancreas anatomical features, and surrounding organs and tissue. Abdominal aging is a complex trait, partially heritable (h_g2 = 26.3 ± 1.9%), and associated with 16 genetic loci (e.g. in PLEKHA1 and EFEMP1), biomarkers (e.g body impedance), clinical phenotypes (e.g, chest pain), diseases (e.g. hypertension), environmental (e.g smoking), and socioeconomic (e.g education, income) factors. Approaches to both determine abdominal age and identify risk factors for accelerated abdominal age will help delay the onset of several diseases. Here, the authors build an abdominal age predictor by training convolutional neural networks to predict abdominal age from liver and pancreas MRIs.
登录
查看更多内容
DOI：
10.1001/jama.2016.4226
发表时间：
2016-04-26
期刊：
JAMA
影响因子：
--
作者：
Chetty R;Stepner M;Abraham S;Lin S;Scuderi B;Turner N;Bergeron A;Cutler D
通讯作者：
Cutler D
影响因子：
64.8
作者：
Elliott LT;Sharp K;Alfaro-Almagro F;Shi S;Miller KL;Douaud G;Marchini J;Smith SM
通讯作者：
Smith SM
影响因子：
64.8
作者：
Bycroft C;Freeman C;Petkova D;Band G;Elliott LT;Sharp K;Motyer A;Vukcevic D;Delaneau O;O'Connell J;Cortes A;Welsh S;Young A;Effingham M;McVean G;Leslie S;Allen N;Donnelly P;Marchini J
通讯作者：
Marchini J
DOI：
10.1126/science.aaz6876
发表时间：
2020-09-11
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Demanelis K;Jasmine F;Chen LS;Chernoff M;Tong L;Delgado D;Zhang C;Shinkle J;Sabarinathan M;Lin H;Ramirez E;Oliva M;Kim-Hellmuth S;Stranger BE;Lai TP;Aviv A;Ardlie KG;Aguet F;Ahsan H;GTEx Consortium;Doherty JA;Kibriya MG;Pierce BL
通讯作者：
Pierce BL
影响因子：
5.8
作者：
Galkin, Fedor;Mamoshina, Polina;Zhavoronkov, Alex
通讯作者：
Zhavoronkov, Alex