基于机器学习的脑白质单频粘弹性预测：一种数据科学框架的创新应用

　　本文推荐研究人员利用机器学习（ML）方法，针对脑白质（BWM）粘弹性特性预测中实验成本高、有限元模型（FEM）计算效率低的问题，开发了一种基于FEM合成数据的前向预测ML流程。该研究通过特征选择和超参数优化，实现了对频率依赖性力学响应的准确预测，决策树模型表现优异，SHAP分析揭示胶质模量和纤维体积分数是关键影响因素。这一框架为脑组织表征提供了经济高效的替代方案，并为神经影像研究及脑疾病机制探索奠定了基础。

　　

在人脑这个精密复杂的系统中，脑白质（White Matter, BWM）扮演着至关重要的角色，它不仅占据了大脑约50%的体积，更是脊髓中高达80%的组成部分。然而，脑白质的病变，如脱髓鞘和微结构损伤，与多种神经退行性疾病密切相关，包括阿尔茨海默病、肌萎缩侧索硬化症和帕金森病，同时也是 traumatic brain injuries (TBI) 和多发性硬化的关键决定因素。尽管神经影像技术，如扩散张量成像（Diffusion Tensor Imaging, DTI）和扩散加权磁共振成像（dMRI），在揭示脑白质完整性方面取得了显著进展，但它们的分辨率有限，难以捕捉细胞水平的细微变化，如轴突损伤、炎症反应和机械恢复过程。

为了弥补这一空白，磁共振弹性成像（Magnetic Resonance Elastography, MRE）应运而生，它通过分析剪切波传播（频率范围20–100 Hz）和逆建模来推断局部力学特性。然而，当前MRE的分辨率和生物解释能力仍显不足，其衍生的刚度指标往往难以准确反映底层微结构。传统的有限元方法（Finite Element Method, FEM）虽然能够基于组织成分和几何特征构建模型，但面临着计算资源消耗大、保真度有限以及难以精确捕捉脑组织复杂生物物理行为等挑战。此外，随着模型复杂度的增加，FEM还常常遭遇网格相关失败和计算时间过长的问题。

正是在这样的背景下，研究人员开始探索机器学习（Machine Learning, ML）作为替代方案，以预测脑组织的力学特性，从而规避实验数据稀缺和计算成本高昂的困境。本研究由M. Agarwal和Assimina A. Pelegri来自Rutgers University-New Brunswick的机械与航空航天工程系，他们提出了一种创新的ML工作流程，旨在利用FEM衍生的数据预测脑白质的均质化粘弹性特性。该研究基于一个三相二维复合模型（包含轴突、髓鞘和胶质基质），通过谐波剪切应力模拟横向力学行为，生成了合成数据集，并用于训练和验证机器学习模型，以预测频率依赖的机械响应。

研究人员开发的ML管道整合了微结构特征，如纤维体积分数、固有相模量和轴突几何形状，以构建和训练回归模型。通过特征选择和超参数优化，显著提高了预测准确性。研究发现，基于决策树的模型表现优于其他方法，而SHAP解释分析揭示，胶质模量（gliaStor）和纤维体积分数（VF）对预测结果具有显著影响。这一框架不仅为体内表征和计算昂贵的物理-based直接数值模拟方法（如FEM）提供了经济高效的替代方案，还为未来ML驱动的逆模型奠定了基础，有助于探索各种脑物质成分对神经影像特征的影响，从而为衰老、痴呆和 traumatic brain injuries 的研究提供信息。

本研究发表在《Computers in Biology and Medicine》期刊上，旨在解决脑白质特性表征中的计算和实验瓶颈。研究人员主要采用了以下关键技术方法：首先，基于先前研究的2D粘弹性（Viscoelastic, VE）FEM模型，生成合成数据集，该模型将脑白质表示为单轴复合材料，包含轴突、髓鞘和胶质相，并施加谐波剪切加载；其次，利用该数据集构建ML预测流程，包括数据预处理、特征工程、模型选择（如线性回归、MLP Regressor、随机森林和梯度提升决策树），以及超参数优化（Hyperparameter Optimization, HPO）技术如GridSearchCV和Hyperopt；最后，通过SHAP（SHapley Additive exPlanations）分析实现模型可解释性，并采用分位数回归和 conformal prediction 进行不确定性量化。所有数据来源于FEM仿真，样本量约2500个，覆盖了生理相关参数范围。

研究结果部分，从多个方面验证了ML框架的有效性和可靠性：

3.1. Dataset characteristics – 2D FEM solved data (synthetic dataset)

通过 exploratory data analysis (EDA) 对合成数据集进行分析，发现变量分布多样，包括近似正态（如GliaStor、HomoStor）、偏态（如AxonLoss、MyelinLoss）和均匀分布（如GliaAxon、GliaMyelin），这凸显了 robust preprocessing 和灵活ML模型的必要性。

3.2. Proposed machine learning forward modeling workflow

提出的前向ML管道以均质化存储模量（HomoStor）为目标输出，以微结构和组成粘弹性参数为输入，通过数据预处理、特征工程、模型架构选择和HPO迭代优化，确保 robust 模型解释、验证和部署。该模块化设计支持 retraining、逆建模和 transfer learning，适用于其他软组织和聚合物复合材料。

3.3. Data pre-processing

标准预处理包括缺失值检查、移除常量/准常量/重复特征、特征缩放（min-max 归一化和 z-标准化），以及分类数据的一热编码（One-Hot Encoding, OHE），为后续分析奠定基础。

3.4. Correlation analysis

相关性分析揭示了变量间的线性和非线性关系， pair plot 可视化显示强线性相关性呈现对角线趋势，而非线性依赖和独立特征则显示分散分布，有助于识别特征冗余和模式。

3.5. Feature engineering and selection

通过移除准常量、常量、重复和高度相关特征，结合ANOVA、LASSO和Pearson相关性等方法进行特征选择。LASSO被证明最有效，其 top 3 特征（如gliaStor）在后续分析中起关键作用。

3.6. Model architecture – model builder

比较了多种回归模型，包括线性回归（基线）、MLP Regressor（捕获非线性）、随机森林回归器和梯度提升决策树（GBDT）。MLP Regressor 在HPO后达到最佳准确率，随机森林显示最大相对增益（R²从0.89提升至0.98），而GBDT和LightGBM均保持高性能（R²≈0.98）。

4. Predictive model – uncertainty analysis

不确定性量化通过分位数回归和 conformal prediction 实现。GBDT和LightGBM在分位数回归中表现优异，R²≈0.98，区间紧密度高；conformal prediction 使用MAPIE库，达到92.2%的经验覆盖率，接近理论保证。比较显示，分位数回归适用于异方差数据，而 conformal prediction 提供分布无关的保证，增强预测可靠性。

5. Hyper-parameter optimization

HPO使用GridSearchCV和Hyperopt，显著提升模型性能。MLP Regressor 达到最佳准确率，随机森林增益最大，GBDT和LightGBM保持高性能，Hyperopt计算效率更高。

6. Model interpretability and explainability

SHAP分析揭示胶质存储模量（gliaStor）是最重要特征，其次为轴突存储模量（axonStor）和髓鞘存储模量（myelinStor）。依赖图显示gliaStor与预测呈正相关，力瀑布图和嵌入图进一步可视化特征贡献，与生物力学理解一致，即胶质相作为连续基质在剪切应力传递中起主导作用。

7. Model limitations & outlook

当前模型依赖于固有相参数的定义精度，且未考虑纤维直径、取向分散等微结构变异。未来可扩展至3D RVE、整合各向异性材料模型，并通过物理 informed 模型和转移学习应用于其他生物组织和复合材料，增强逆设计和材料发现能力。

研究结论和讨论部分强调，本研究成功开发了一个端到端的数据驱动ML管道，能够准确预测2D脑白质的均质化存储模量，而无需复杂微结构建模或计算密集型FEM求解。该框架具有高度模块化和可解释性，通过SHAP和不确定性量化应对预测中的随机变化，为脑组织表征提供了高效替代方案。同时，其适应性为更广泛的材料系统建模铺平道路，特别是在逆设计问题和转移学习应用中。这一创新不仅推动了数据驱动材料建模的发展，还为神经影像研究和脑疾病机制探索提供了有力工具，具有重要的科学和临床意义。