Open-Access-Publikation des Monats – Dr. Kaustubh Patil (INM-7), Julian Caspers (UKD) et al.
13. April 2023
Um den Blick über den Tellerrand anzuregen, wählt die Zentralbibliothek einmal im Monat für den Newsletter des Forschungszentrums Jülich eine Open-Access-Veröffentlichung aus der Publikationsdatenbank JuSER aus.
In der Open-Access-Publikation des Monats April berichten Shammi More, Georgios Antonopoulos, Felix Hoffstaedter, Simon B. Eickhoff, Kaustubh R. Patil (alle Institut für Neurowissenschaften und Medizin – Gehirn und Verhalten, INM-7) und Julian Caspers (Universitätsklinikum Düsseldorf, UKD) über einen Leistungsvergleich zwischen 128 unterschiedlich kombinierten Machine-Learning-Workflows, die zur Vorhersage des Alters einer Person aufgrund von Magnetresonanztomographie-Aufnahmen ihres Gehirns eingesetzt werden.
Die Magnetresonanztomographie (MRT) eignet sich hervorragend zur Untersuchung altersbedingter Veränderungen im Gehirn. Die Auswertung der Daten gestaltet sich allerdings schwierig. Mithilfe maschinellen Lernens (ML) können große Mengen an MRT-Daten analysiert werden, um festzustellen, wie sich das Gehirn mit dem Alter verändert. Indem Wissenschaftler:innen ein ML-Modell zur Vorhersage des Alters von Personen basierend auf MRT-Aufnahmen ihres Gehirns trainieren, können sie abnormale Veränderungen erkennen, die möglicherweise auf bestimmte Krankheiten hindeuten.
Um ein präzises ML-Modell zu entwickeln, müssen die Wissenschaftler:innen verschiedene Faktoren berücksichtigen – beispielsweise die Fähigkeit, genaue Vorhersagen für Daten zu treffen, die von unterschiedlichen MRT-Geräten stammen, oder die Zuverlässigkeit im Laufe der Zeit (d. h. das Modell sollte in der Lage sein, das Alter konsistent vorherzusagen, auch wenn sich das Gehirn im Alter verändert). Die Autor:innen bewerteten 128 unterschiedlich kombinierte Machine-Learning-Workflows und entdeckten dabei einen gut funktionierenden Workflow, dessen Eignung sie anhand eines Alzheimer-Datensatzes nachweisen konnten. Der Workflow soll auch in anderen Bereichen zum Einsatz kommen, zum Beispiel bei der Erforschung von Schizophrenie, Schlafentzug und Veränderungen des Gehirns im Zusammenhang mit der Raumfahrt.
Die englischsprachige Open-Access-Publikation mit dem Titel „Brain-age prediction: A systematic comparison of machine learning workflows“ wurde in der Zeitschrift NeuroImage veröffentlicht.
Publikationsdatenbank JuSER – Brain-age prediction: A systematic comparison of machine learning workflows
Internet – Institut für Neurowissenschaften und Medizin – Gehirn und Verhalten (INM-7)