本技術利用過往所採集之大腦結構及功能磁振影像巨量資料庫搭配多變量及網路分析技術， 特性化大腦大尺度腦網路系統及其相關量化指標。其相關量化指標進一步搭配機器學習演算法以估算個體受試者之大腦年齡進而做為神經退化性及神經發育性疾病之客觀生物學指標使用。

如何使高維度影像學資料產生具有臨床實用意義之客觀指標為學界及醫學界一個重要之議題。本研究團隊過往所積累之龐大影像資料庫具有其獨特性，並可以推演至與我國人口特質相似的東南亞地區。此外過往腦齡研究大多局限於局部大腦區域影像特徵之估算，本技術首次採用大腦網路之概念並搭配不同臨床疾病之應用證明其臨床可行性。

此技術旨在針對複雜且高維度之大腦磁振造影影像資料提供一個簡單之量化指標以描述個體大腦之退化及改變情形，並藉由過往積累之健康受試者巨量資料庫資料所建立之模型進行比對，因此可廣泛使用於神經退化性疾病、神經發育性疾病及老人醫學等相關醫學領域上。除了臨床疾病診斷之使用外亦可使用於個人早期篩選、精準介入之健