典型文献
基于MRI的机器学习模型研究吸烟与大脑年龄的关系
文献摘要：
目的:通过基于MRI的机器学习模型来预测吸烟者及健康对照者大脑年龄，进一步探讨吸烟与大脑老化的关系。方法:该研究为回顾性研究。数据集1为2014年8月至2017年10月郑州大学第一附属医院募集的男性吸烟者95名［年龄20~50（34±7）岁］和健康对照者49名［年龄20~50（33±7）岁］。数据集2为2010至2015年西南大学成人影像数据库的114名男性健康志愿者［年龄20~50（34±11）岁］。所有受检者均接受高分辨三维 T
1WI。基于数据集1和数据集2健康对照者的结构MR图像构建高斯过程回归（GPR）模型和支持向量机模型预测大脑年龄，并通过交叉验证法验证模型性能，计算预测大脑年龄与实际年龄间的平均绝对误差（MAE）、实际年龄和预测大脑年龄之间的相关性（
r值），最终筛选出最佳模型。将最佳模型应用于吸烟者和健康对照者预测其大脑年龄。最后以年龄、教育年限及颅内总容积为协变量，通过一般线性模型比较吸烟者和健康对照者的大脑年龄差值（PAD）的差异。
结果:GPR模型预测大脑年龄（MAE=5.334，
r=0.747）优于支持向量机模型（MAE=6.040，
r=0.679）。GPR模型预测数据集1的吸烟者PAD值（2.19±6.64）高于数据集1的健康对照者（?0.80±8.94），差异有统计学意义（
F=8.52，
P=0.004）。
结论:基于MRI的GPR模型预测吸烟者及健康对照者大脑年龄性能较好，吸烟者PAD值增加，进一步表明吸烟会加速大脑老化。
文献关键词：
吸烟;磁共振成像;大脑年龄;机器学习
中图分类号：
作者姓名：
高昕宇;张孟哲;韩少强;杨镇圭;汪卫建;许珂;程敬亮;张勇
作者机构：
郑州大学第一附属医院磁共振科，郑州 450002
文献出处：
引用格式：
[1]高昕宇;张孟哲;韩少强;杨镇圭;汪卫建;许珂;程敬亮;张勇-.基于MRI的机器学习模型研究吸烟与大脑年龄的关系)[J].中华放射学杂志,2022(12):1347-1351
A类：
B类：
机器学习模型,大脑年龄,吸烟者,大脑老化,回顾性研究,郑州大学,募集,西南大学,人影,影像数据,男性健康,健康志愿者,受检者,T
,1WI,高斯过程回归,GPR,支持向量机模型,交叉验证法,验证模型,模型性能,平均绝对误差,MAE,模型应用,颅内,协变量,一般线性模型,模型比较,年龄差,PAD,预测数据,磁共振成像
AB值：
0.25943
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
