《Scientific Reports》：Neonatal brain age estimation from T2-weighted magnetic resonance images using shallow regression analysis
编辑推荐：
本刊推荐：为解决新生儿脑发育的精准生物标志物问题，研究人员利用dHCP项目的885例新生儿T2加权MRI数据，开展了基于浅层回归模型（GPR, SVR, RVR）的脑龄（PMA）估算研究。研究通过对比线性与线性-非线性配准及三种模板（年龄特异性、足月40周、随机模板）的影响，发现采用年龄特异性模板与线性-非线性配准时，GPR和SVR模型性能最佳（MAE约0.44周，R2=0.95），表明模板与配准方法对估算精度有显著影响。
每个新生儿来到这个世界时，大脑都已开启一段独特而精密的发育旅程。对于临床医生和研究人员而言，能够精准评估婴儿大脑的成熟度（常以出生后的孕周，即孕后年龄PMA来表示）至关重要。这不仅有助于理解正常的脑发育轨迹，更是早期识别发育迟缓或神经系统疾病风险的关键。传统的评估方法存在主观性强或依赖侵入性检查等局限。因此，寻找一种客观、定量、无创的“脑龄”生物标志物，成为神经发育研究领域的热点。磁共振成像（MRI）为我们打开了窥探活体大脑结构的一扇窗，尤其是广泛应用于新生儿的T2加权序列。然而，如何从这些复杂的三维图像数据中，可靠且准确地“读出”大脑的生理年龄，仍是一个充满挑战的科学问题。近期，一项发表在《Scientific Reports》上的研究，为我们提供了新的思路和解决方案。
为了攻克这一难题，研究团队开展了一项针对新生儿脑龄估算的方法学研究。其核心是探索一套基于T2加权MRI和机器学习（具体为浅层回归模型）的自动化估算流程，并重点评估了图像处理中两个关键步骤——图像配准（将不同个体的大脑图像对齐到统一空间）和脑模板（作为对齐参考的标准大脑）的选择——对最终估算精度的影响。
研究人员开展此项研究主要运用了几个关键技术方法：首先，他们利用了来自发育中的人类连接组计划（dHCP）的885名新生儿（包括早产儿和足月儿）的T2加权磁共振成像（MRI）数据作为研究队列。其次，在图像预处理中，系统对比了线性配准和线性-非线性配准两种方法，并分别将图像对齐到三个不同的新生儿脑模板：dHCP的年龄特异性模板、足月40周新生儿脑图谱模板以及从17个模板池中随机选取的任意模板。然后，采用主成分分析（PCA）对体素空间的高维特征进行降维，筛选出与PMA相关性最高的成分。最后，使用这些主成分特征，通过十折交叉验证训练和测试了三种浅层回归模型：高斯过程回归（GPR）、支持向量回归（SVR）和相关向量回归（RVR），以评估模型的预测性能。
研究结果
图像配准与模板选择对脑龄估计误差的影响
研究发现，图像配准的类型和脑模板的选择共同对脑龄估计的准确性产生显著影响。具体而言，当使用年龄特异性模板并结合线性-非线性配准时，能够获得最优的预测性能。相比之下，使用足月40周模板或随机选择的模板，或者仅使用线性配准，都会导致估计误差（平均绝对误差，MAE）增加。
不同回归模型的性能比较
在最优的预处理条件下（即年龄特异性模板+线性-非线性配准），三种回归模型均表现出色。高斯过程回归（GPR） 和支持向量回归（SVR） 取得了非常接近的最佳性能，其平均绝对误差（MAE）分别为0.438 ± 0.06周和0.437 ± 0.06周，模型拟合优度R2达到0.95。相关向量回归（RVR） 的性能略逊，MAE为0.441 ± 0.058周。此外，研究还注意到支持向量回归（SVR） 在使用的主成分（PCs） 数量较多时表现出性能不稳定性。
主成分数量与模型性能的关系
研究探讨了用于回归的特征（即主成分）数量对模型性能的影响。结果表明，当使用350个主成分（PCs） 时，模型在保持高精度（R2=0.95）的同时获得了优异的泛化能力。这说明了通过主成分分析（PCA） 进行特征降维和选择的有效性，能够提取出与脑龄最相关的成像特征。
结论与讨论
本研究成功开发并验证了一种基于T2加权MRI和浅层回归分析的新生儿脑龄估算方法。核心结论明确指出：图像配准策略和脑模板的选择是决定新生儿脑龄估算模型性能的关键技术因素。采用与样本年龄特性匹配的模板（年龄特异性模板）并结合能够校正局部脑结构差异的非线性配准技术，可以显著提升估算的准确性和鲁棒性。在模型选择上，高斯过程回归（GPR） 和支持向量回归（SVR） 在该任务中展现了优越且稳定的性能。
这项研究的意义深远。首先，它提供了一种高精度、无创、客观的量化工具，为评估个体新生儿的大脑发育成熟度提供了可靠的影像学生物标志物，有助于早期发现发育偏离正常轨道的个体。其次，研究系统剖析并强调了图像预处理流程（尤其是配准和模板）对基于MRI的脑龄预测模型具有根本性影响，这为未来类似研究确立了重要的方法学基准和优化方向。最后，该成果加深了我们对早期大脑发育成像表征的理解，为推动围产期神经学、发育认知神经科学的精准研究奠定了方法学基础。
