Contrastive Learning for Regression in Multi-Site Brain Age Prediction

过度拟合 稳健性(进化) 计算机科学 人工智能 神经影像学 一般化 机器学习 回归 噪音(视频) 深度学习 模式识别(心理学) 人工神经网络 统计 心理学 数学 神经科学 化学 数学分析 图像(数学) 基因 生物化学
作者
Carlo Alberto Barbano,Benoit Dufumier,Édouard Duchesnay,Marco Grangetto,Pietro Gori
标识
DOI:10.1109/isbi53787.2023.10230733
摘要

Building accurate Deep Learning (DL) models for brain age prediction is a very relevant topic in neuroimaging, as it could help better understand neurodegenerative disorders and find new biomarkers. To estimate accurate and generalizable models, large datasets have been collected, which are often multi-site and multi-scanner. This large heterogeneity negatively affects the generalization performance of DL models since they are prone to overfit site-related noise. Recently, contrastive learning approaches have been shown to be more robust against noise in data or labels. For this reason, we propose a novel contrastive learning regression loss for robust brain age prediction using MRI scans. Our method achieves state-of-the-art performance on the OpenBHB challenge, yielding the best generalization capability and robustness to site-related noise.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
liars完成签到 ,获得积分10
刚刚
搞怪人雄完成签到,获得积分10
3秒前
落后的夜阑完成签到,获得积分10
3秒前
大橙子发布了新的文献求助10
6秒前
彪行天下完成签到,获得积分10
11秒前
danli完成签到 ,获得积分10
12秒前
guangyu完成签到,获得积分10
14秒前
学术老6完成签到,获得积分10
15秒前
c123完成签到 ,获得积分10
17秒前
恐怖稽器人完成签到,获得积分10
17秒前
WXR完成签到,获得积分10
18秒前
科研小白完成签到,获得积分10
18秒前
19秒前
可爱丸子完成签到,获得积分10
19秒前
皮汤汤完成签到 ,获得积分10
20秒前
JXDYYZK完成签到,获得积分10
21秒前
SYLH应助lu采纳,获得10
21秒前
Servant2023完成签到,获得积分10
21秒前
鸽子的迷信完成签到,获得积分10
23秒前
nine2652完成签到 ,获得积分10
24秒前
烂漫的睫毛完成签到 ,获得积分10
26秒前
量子星尘发布了新的文献求助10
26秒前
陈老太完成签到 ,获得积分10
27秒前
宇宇宇c完成签到,获得积分10
28秒前
zxt完成签到,获得积分10
29秒前
大橙子发布了新的文献求助10
32秒前
聪明静柏完成签到 ,获得积分10
34秒前
kimiwanano完成签到,获得积分10
36秒前
lu完成签到,获得积分10
37秒前
Profeto应助齐嫒琳采纳,获得10
38秒前
39秒前
情怀应助科研通管家采纳,获得10
40秒前
从来都不会放弃zr完成签到,获得积分10
44秒前
1459完成签到,获得积分10
46秒前
行者+完成签到,获得积分10
46秒前
GongSyi完成签到 ,获得积分10
47秒前
Boris完成签到 ,获得积分10
49秒前
哭泣笑柳完成签到,获得积分10
49秒前
万能图书馆应助大橙子采纳,获得10
52秒前
大眼睛土豆完成签到,获得积分10
56秒前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038157
求助须知:如何正确求助?哪些是违规求助? 3575869
关于积分的说明 11373842
捐赠科研通 3305650
什么是DOI,文献DOI怎么找? 1819255
邀请新用户注册赠送积分活动 892655
科研通“疑难数据库(出版商)”最低求助积分说明 815022