编辑
白菜叶
在神经科学研究领域，生物性别作为关键变量，对认知功能和神经精神疾病中的性别差异研究至关重要。
尽管先前已在大脑宏观结构如皮层厚度或区域大小上观察到显著的统计学差异，但关于可能揭示脑健康与疾病机制的细胞层面微观结构的性别差异仍知之甚少。
探究男性与女性之间的这些微观结构差异，对于理解在不同性别中表现各异的大脑疾病具有重要意义。
一项新研究显示，处理MRI结果的人工智能（AI）计算机程序显示出男性和女性大脑在细胞层面的组织方式存在差异。这些差异在大脑白质中，白质是人类大脑最内层的组织，负责大脑各区域之间的联系。
这项新研究由纽约大学朗格尼健康中心的研究人员牵头，利用一种名为人工智能技术分析了名男性和名女性的数千张MRI脑部扫描图。结果显示，计算机程序可以通过识别人眼无法察觉的结构和复杂性模式，准确区分男性和女性的大脑。
该研究以「DeeplearningwithdiffusionMRIasinvivomicroscoperevealssex-relateddifferencesinhumanwhitemattermicrostructure」为题，于年5月14日发布在《ScientificReports》。
众所周知，在患多发性硬化症、自闭症谱系障碍、偏头痛等脑部问题的概率和症状方面，男性和女性各不相同。因此，详细了解生物性别如何影响大脑，被视为改进诊断工具和治疗方法的一种方式。然而，虽然已经探索了大脑的大小、形状和质量，但研究人员对大脑在细胞层面的布局只有部分了解。
扩散磁共振成像（DiffusionMRI）作为一种重要的、非侵入性的活体检测方法，为了解脑组织微观结构提供了一扇窗口。
纽约大学的研究人员开发了多种端到端分类模型，能够利用体积扩散MRI数据准确估计受试者的性别，并通过这些模型识别出男性与女性间差异最大的白质区域。
图示：2DCNN模型。（来源：论文）图示：基于ResNet10的3DCNN模型。（来源：论文）
研究纳入了来自人类连接组计划的名男性和名女性健康受试者（年龄范围：22-37岁），使用分数各向异性、平均扩散率和平均峰度等指标来捕捉脑组织微观结构特征。为了减少由脑大小和轮廓等宏观解剖学差异引起的偏差，将扩散参数图注册至标准模板。
该研究得到了三种不同的人工智能模型的验证，这些模型旨在利用它们在集中