通过准合规几何和卷积神经网络自动检测和记录大脑皮层表面的地标
Yuchen Guo1, Qiguang Chen1, Gary P T Choi2
1Department of Mathematics, The Chinese University of Hong Kong, Hong Kong.
Computers in biology and medicine
|July 7, 2023
概括
这项研究介绍了一种使用深度学习和准合规几何学来进行大脑表面注册的自动化方法. 该框架准确地检测地标和地图表面,改进了医疗形状分析.
科学领域:
- 医疗成像医学成像
- 计算几何学的计算几何学
- 神经科学是一个神经科学.
背景情况:
- 表面注册对于比较像大脑皮层表面这样的解剖结构至关重要.
- 手动地标识别和非线性优化耗时,并限制了实际应用.
研究的目的:
- 开发一个自动化框架,用于地标检测和记录大脑皮层表面.
- 克服医疗成像分析中手动方法的局限性.
主要方法:
- 利用准规格几何和卷积神经网络 (CNN).
- 开发了一个地标检测网络 (LD-Net) 用于自动地标曲线提取.
- 采用系数预测网络 (CP-Net) 和磁盘贝特拉米解决器网络 (DBS-Net) 用于使用预测的贝特拉米系数进行注册.
主要成果:
- 通过实验结果证明了拟议的自动化框架的有效性.
- 实现了自动地标检测和低扭曲表面映射.
- 通过理论保证,通过理论保证,确保生成的准合规映射的对称性.
结论:
- 新的框架显著推进了对大脑皮层表面的自动地标检测和注册.
- 这种方法为基于表面的形态测量和医学形状分析提供了新的途径.
- 该方法减少了对手工干预的依赖,提高了医学成像研究的效率.
