解耦多模态对抗自编码器：在不完全多模态神经图像下婴儿年龄预测中的应用得益于不同成像方式提供的互补信息，结构磁共振成像（sMRI）和功能性磁共振成像（fMRI）数据的有效融合，有望提高婴儿年龄预测的准确性。然而，与sMRI的形态特征相比，婴儿期fMRI测量的功能连接性较为不成熟且噪声较大，因此用于婴儿脑部分析的sMRI和fMRI融合极具挑战性。在传统的多模融合策略中，添加fMRI数据用于年龄预测的风险较高，会产生更多噪声而非有用特征，导致准确性低于单纯使用sMRI数据。为解决这一问题，我们开发了一个新模型，称为解缠多模对抗自编码器（DMM-AAE），基于多模脑MRI进行婴儿