表 2. The researches of brain age prediction based on sMRI.

基于 sMRI 的脑年龄预测模型研究

相关文献	对象数/人	年龄/岁	特征类别	预测模型	验证方法	预测模型 MAE/年
Franke 等[7]	约 650	19～86	GMD	相关向量机	留出法验证（164 个对象）	4.98
Wang 等[23]	20	50～86	小波参数	隐马尔可夫模型	留一法交叉验证	9.53
Su 等[19]	84	17～79	GMD	相关向量回归	留一法交叉验证	4.67
Wang 等[21]	360	20～82	皮层表面特征（厚度、 曲率和面积等	相关向量机	十折交叉检验	4.6
Cole 等[16]	1 537	18～90	GMD/WMD	高斯过程回归预测	训练集外的 113 个 额外对象	5.8/6.35
Khundrakpam 等[24]	308	12.9 ± 3.8	多尺度的皮层厚度	普通最小二乘法线性 回归模型	十折交叉检验	1.68
Alam[25]	80	60～92	图像标记点距离	主成分分析流形学习法	留出法验证（20 个对象）	2.092
Schnack 等[17]	384	16～67	GMD	支持向量回归	留出法验证（55 个对象）	4.31
Steffener 等[18]	331	19～79	脑区灰质体积	尺度子配置模型	无	模型可解释 64% 的 生理年龄相关差异
Cole 等[20]	2 001	18～90	GMD	卷积神经网络	训练集外的 200 个 额外对象	4.16
Fujimoto 等[26]	1 099	20～80	区域脑灰质、白质、 脑脊液体积	相关向量回归	留出法验证（499 个对象）	3.59
Ball 等[27]	768	3～21	皮层表面上顶点厚度、 面积与体积图	流形学习	十折交叉检验	1.54
Lancaster 等[28]	2 003	16～90	GMD	支持向量回归	十折交叉检验	5.08
Pardoe 等[22]	2 367	6～89	皮层厚度	相关向量机	留出法验证（200 个对象）	7.2