解像度とトポロジー不変の皮質パーセラーションのための擬似レンダリング

科学分野:

• 神経イメージング
• 計算神経科学
• 医学画像分析

背景:

• 脳皮質のメッシュは 神経画像分析に不可欠です
• 既存の方法は,不完全または騒々しいデータを除外した球状のメッシュトポロジーを必要とします.
• ディープラーニングは 非記述的表面スキャンと 長期間の依存関係に 苦戦しています

研究 の 目的:

• トポロジカルな欠陥と表面スキャンノイズに耐える新しい皮質網分断方法を開発する.
• レンダリングベースのフレームワークを使用して2Dセグメンテーションタスクとしてメッシュパーセラーションを再構成します.
• 脳のパーセラレーションの精度と適用性を向上させ,様々な神経イメージングデータ.

主な方法:

• 直接逆レンダリングの枠組みを用いた"擬似レンダリング-逆レンダリング" (PRIR) を提案する.
• 複数のビューからメッシュをレンダリングし,通常のベクトルを3チャンネル画像に投影します.
• 2D画像のセグメント化と3Dの頂点へのマップ結果を活用します.
• マルコフランダムフィールドを使用し,後処理でスムーズで遮断を処理します.

主要な成果:

• PRIRはメッシュトポロジーとは独立しており 伝統的なディープラーニングとは違います
• トポロジ的に正しい白質網で最先端の精度を達成します.
• 騒音データを含め,シミュレートされたおよび実際の表面スキャンのための正確なセグメンテーションを証明します.

結論:

• PRIRは 皮質網のパーセラリングに 頑丈で多用途なソリューションを提供します
• この方法は,トポロジカルな不完全性を効果的に処理し,長距離依存性を捉えます.
• PRIRは複雑なデータセットの 精密なセグメンテーションを可能にすることで 神経画像分析を進歩させています