来源：Skolkovo科学与技术研究所
Skoltech计算与数据密集型科学与工程中心（CDISE）的一组研究人员，在基于MRI的国际青少年智力预测比赛中获得了第四名的成绩。比赛中，Skoltech的科学家们首次使用，基于深度3-D网络学习的集成方法，来处理这一具有挑战性的预测任务。
他们的研究结果发表在《青少年大脑认知发展神经认知预测》杂志上。
2013年，美国国立卫生研究院（NIH）首次开展了关于青少年大脑的大规模研究，即青少年大脑认知发展（ABCD，abcdstudy.org/），以了解青少年的爱好和习惯是否能够影响,以及如何影响他们大脑的进一步发展。
磁共振成像（MRI）是一项用来获取人体内部器官和组织图像的常用技术。科学家们想知道的是，我们是否可以从核磁共振脑图中预测出个体的智商水平。
国家卫生研究所的数据库*共中**保存有11000多幅，9-10岁儿童的结构和功能磁共振图像。
美国国立卫生研究院的科学家发起了一项国际竞赛，这是庞大的国家卫生研究院数据库，有史以来第一次向广大学术研究社区开放。这一竞赛的参与者所需完成的任务是，建立一个基于大脑图像的预测模型。
Skoltech团队在参与竞赛的过程中，将神经网络应用于核磁共振图像的处理。
图源：花瓣网
为此，他们建立了一个网络体系结构，这一网络结构可以使多个数学模型应用于同一数据，从而提高预测精确度，并且它们还采用了一种新的集成方法对MRI数据进行分析。
在Skoltech团队最近的研究中，团队研究人员把研究焦点放在了预测智力水平（即所谓的“流体智力”）上，流体智力表征的是神经系统的生物能力，与个体获得的知识或技能几乎没有任何关系。
非常值得一提的是，团队即对个体的流体智力水平进行了预测，又对与年龄、性别、脑的大小，或使用的核磁共振扫描仪无关的目标变量进行了预测。
“除此之外，我们团队还为核磁共振数据分析中的计算机视觉任务开发了深度学习方法。在这项研究中，我们将分类器集成应用于3-D超精密神经网络：通过这种方法，人们可以将图像按其原貌进行分类，而不必首先对其进行降维处理。
因此也就有效避免了有价值信息的丢失，”CDISE博士生Ekaterina Kondratyeva解释道。
这项研究的结果有助于发现孩子的“流体智力”与其大脑解剖结构之间的关系。虽然预测的准确性还不能称得上完美，但本次比赛中所产生的模型将有助于揭示青少年认知、社会、情感和身体发展的各个方面的情况。
这一研究领域未来势必会得到进一步的拓展。
Skoltech团队应邀在2019年于中国深圳举办的世界最负盛名的医学影像会议之一——MICCAI上，展示他们的新方法。
翻译：UTCS
链接：https://medicalxpress.com/news/2019-12-mri-intelligence-children.html