arXiv cs.AI· Anni Zhao, Alex Bateh, Tyler Baldridge, Sandra Billinger, Xiao Hu·· 11 小时前AI 评分19
利用脑血流速度与机器学习算法预测脑血管年龄
Brain Vascular Age Prediction Using Cerebral Blood Flow Velocity and Machine Learning Algorithms
AI 导读
研究用经颅多普勒（TCD）提取大脑中动脉血流速度特征，结合 MOCAIP 算法与心率变异性特征训练回归模型预测脑血管年龄。模型对 168 名健康受试者的预测值平均比实际年龄高 3.69 岁，并在 66 名急性卒中、27 名卒中后、26 名阿尔茨海默病、23 名轻度认知障碍及 135 名其他受试者中观察到不同程度的血管年龄加速。研究指出数据不平衡会影响机器学习脑龄预测模型的性能。
正文 · AI 翻译
摘要：从生理功能角度定义血管年龄，已成为对实际年龄进行分类和追踪的大量研究中的一个焦点。经颅多普勒（TCD）是一种测量供给人脑的主要动脉中脑血流速度的方法。本研究旨在利用从 TCD 中提取的特征来估计实际年龄，并评估患有各种脑部疾病的受试者的加速衰老情况。我们预测，在由健康受试者训练的各种回归模型上进行测试时，患有各种脑部疾病的受试者会表现出脑血管加速衰老。使用颅内压形态分析与聚类（MOCAIP）算法，对 168 名健康受试者和 277 名患病受试者的双侧大脑中动脉 TCD 记录进行了分析。MOCAIP 生成的特征和心率变异性特征被用作回归模型的输入特征，以预测脑血管年龄。66 名急性卒中受试者、27 名卒中后受试者、26 名阿尔茨海默病受试者、23 名轻度认知障碍受试者和 135 名已确诊受试者在机器学习模型上进行了测试，以评估脑血管年龄加速情况。该训练模型平均预测健康受试者的脑血管年龄比其实际年龄高 3.69 岁。不同疾病状况的受试者表现出不同程度的年龄加速。健康受试者与患病受试者表现的差异表明，使用 TCD 生成的特征可能与评估脑血管加速衰老相关。此外，已观察到数据集不平衡会影响基于机器学习的脑年龄预测模型的性能。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2605.16969 [cs.AI] |
| （或 arXiv:2605.16969v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.16969 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Anni Zhao [查看电子邮件]
[v1]
2026年5月16日星期六 12:43:32 UTC（858 KB）
[v2]
2026年7月14日星期二 00:38:03 UTC（858 KB）
[v3]
2026年10月15日星期四 18:16:01 UTC（858 KB）
来源：arXiv cs.AI · arxiv.org