MIRTH：基于多重插补的影像数据协调方法可消除站点效应且避免数据泄漏

针对多中心神经影像机器学习流程中现有协调方法存在数据泄漏、站点效应去除不彻底或削弱真实生物学关联的问题，研究者提出多重插补去除技术异质性方法 MIRTH，利用插补结局对测试数据进行协调。基于阿尔茨海默病神经影像学倡议（ADNI）和巴尔的摩老龄化纵向研究（BLSA）的模拟与真实脑容量数据基准测试显示，MIRTH 在结局在临床站点间分布不平衡时仍能保持高预测准确度，同时避免性能虚高。