人工智能揭示男性和女性大脑结构的隐藏差异

概括： 研究人员正在利用人工智能来检测男性和女性大脑细胞水平的明显差异，重点关注白质。 这些结果表明，人工智能可以准确识别人眼看不见的基于性别的大脑模式。

该研究表明，了解这些差异可以增强大脑疾病的诊断工具和治疗方法。 这项研究强调了大脑研究多样性的必要性，以确保对神经系统疾病的全面了解。

关键事实：

1. 人工智能准确率：AI 模型在 MRI 扫描中识别出生物性别，准确度在 92% 到 98% 之间。
2. 白质浓度：大脑白质存在差异，而白质对于区域之间的交流至关重要。
3. 改善诊断：了解基于性别的大脑差异可以改善多发性硬化症和自闭症等疾病的诊断和治疗。

来源： 纽约大学朗格尼分校

一项新的研究表明，处理 MRI 结果的人工智能计算机程序显示出男性和女性大脑在细胞水平上的组织方式存在差异。 这些差异是在白质中观察到的，白质是主要存在于人脑内层的组织，可增强区域之间的沟通。

众所周知，男性和女性患多发性硬化症、自闭症谱系障碍、偏头痛和其他大脑问题的几率不同，症状也不同。

因此，详细了解生物性别如何影响大脑被视为改进诊断工具和治疗的一种方法。

然而，尽管人们已经探索了大脑的大小、形状和重量，但研究人员仅对大脑在细胞水平上的布局有了部分了解。

这项新研究由纽约大学兰格尼健康中心的研究人员进行，使用一种称为机器学习的人工智能技术来分析 471 名男性和 560 名女性的数千张 MRI 脑部扫描。

结果表明，计算机程序可以通过检测人眼看不见的结构和复杂性模式来准确地区分生物男性和女性的大脑。

研究结果得到了三种不同的人工智能模型的验证，这些模型旨在利用它们在关注白质的小部分或分析大脑较大区域之间的关系方面的相对优势来确定生物性别。

该研究的资深作者、神经放射学家说：“我们的研究结果提供了关于活人大脑的结构的更清晰的图景，这反过来可能为了解有多少精神和神经系统疾病的发展以及为什么它们在男性和女性中表现不同提供新的见解。 ”。 伊冯·洛，医学博士。

纽约大学格罗斯曼医学院放射学系教授兼研究副主席Lowe指出，此前对大脑微观结构的研究很大程度上依赖于动物模型和人体组织样本。

此外，由于依赖于“手绘”感兴趣区域的统计分析，这些先前研究结果的有效性受到质疑，这意味着研究人员需要对形状、大小和位置做出许多主观决定的地区。 选择了。 洛说，这样的选择可能会扭曲结果。

新研究结果将于 5 月 14 日在线发表在该杂志上 科学报告作者表示，他们通过使用机器学习来分析整组图像，而不要求计算机检查任何特定位置，从而避免了这个问题，这有助于消除人类偏见。

在这项研究中，该团队首先向人工智能程序提供健康男性和女性脑部扫描的现有数据示例，并告诉自动化程序每次脑部扫描的生物性别。

由于这些模型被设计为使用复杂的统计和数学方法，随着时间的推移，随着更多数据的积累，它们会变得“更聪明”，它们最终“学会”自己区分生物性别。 洛说，最重要的是，这些程序无法利用大脑的整体大小和形状来做出决定。

结果显示，所有模型正确识别受试者性别的正确率在 92% 到 98% 之间。 有几个功能特别帮助机器做出决定，包括水流过脑组织的难易程度以及流向的方向。

该研究的共同作者、纽约大学坦登工程学院的博士生陈俊波说：“这些发现凸显了在研究源自人脑的疾病时多样性的重要性。”

研究报告的合著者、纽约大学坦登学院的研究助理、医学博士瓦拉·拉克什米·帕亚纳加里 (Vara Lakshmi Payanagari) 补充道：“如果像历史上的情况一样，使用男性作为各种疾病的标准模型，研究人员可能会错过重要的见解。” 工程。

Payanagari 警告说，尽管人工智能工具可以报告脑细胞组织的差异，但它们无法揭示哪种性别更有可能具有哪种特征。 她补充说，该研究根据遗传信息对性别进行分类，并且仅包括顺性别男性和女性的 MRI 扫描。

这组作者表示，研究小组下一步计划探索与性别相关的大脑结构差异随时间的演变，以更好地了解可能在这些变化中发挥作用的环境、荷尔蒙和社会因素。

融资： 该研究的资金由美国国立卫生研究院拨款 R01NS119767、R01NS131458 和 P41EB017183 以及美国国防部拨款 W81XWH2010699 提供。

除了 Lui、Chen 和 Pianagari 之外，NYU Langone Health 和纽约大学的其他研究人员也参与了这项研究：钟苏海博士和王耀博士。

关于人工智能和神经科学研究新闻

作者： 希拉博兰
来源： 纽约大学朗格尼分校
沟通： Shira Pollan – 纽约大学朗格尼分校
图片： 图片来源：神经科学新闻

原始搜索： 开放访问。
”使用扩散 MRI 作为活体显微镜的深度学习揭示了人类白质微观结构中性别相关的差异。“作者：Yvonne Lowe 等人。 科学报告

总结

使用扩散 MRI 作为活体显微镜的深度学习揭示了人类白质微观结构中性别相关的差异。

生物性别是神经科学研究中的一个关键变量，因为认知功能和神经精神疾病中的性别差异已被记录。

虽然先前已经记录了宏观大脑结构（例如皮质厚度或面积大小）的总体统计差异，但人们对与性别相关的细胞水平微观结构差异知之甚少，而这些差异可以提供对大脑健康和疾病的洞察。

研究男性和女性之间微观结构的这些差异，为理解两性之间表现不同的大脑疾病和疾病铺平了道路。

扩散 MRI 是一种重要的体内非侵入性方法，为了解脑组织的微观结构提供了一个窗口。

我们的研究开发了多种综合分类模型，可以使用体积扩散 MRI 数据准确估计一个人的性别，并使用这些模型来识别男性和女性之间差异最大的白质区域。 来自人类连接组项目的 471 名健康男性和 560 名女性（年龄范围，22-37 岁）被纳入其中。

部分方差、平均扩散率和平均峰度用于捕获脑组织的微观结构特性。

参数扩散图被注册到标准模板中，以减少因宏观解剖差异（例如大脑大小和轮廓）而产生的偏差。

本研究使用三种主要架构模型：2D 卷积神经网络、3D 卷积神经网络和视觉转换器（具有自我监督功能）。

我们的结果表明，所有三个模型在所有扩散指标的性别分类（测试 AUC 0.92-0.98）方面均取得了较高的性能，表明男性和女性之间白质组织微观结构的特定差异。

我们还使用互补的模型结构来报告检测到的微观结构差异的模式以及短程与长程相互作用的影响。

使用 Wilcoxon 符号秩检验进行遮挡分析来识别对性别分类贡献最大的白质区域。

结果表明，与性别相关的差异出现在组织微观结构的局部特征以及全局特征/远程相互作用中。

我们在不同模型中高度一致的发现提供了新的见解，支持男性和女性大脑细胞水平上的组织组织之间的差异，特别是在中央白质中。