快速的脑部工程表面重建与层次的拓保证
Peiyu Duan1,2, Yuan Xue3, Shuo Han1
1Department of Biomedical Engineering, Johns Hopkins School of Medicine, USA.
Proceedings. IEEE International Symposium on Biomedical Imaging
|November 22, 2023
概括
卷积神经网络 (CNN) 从MRI图像中重建大脑脑膜层. 这种方法准确地测量了内体积 (ICV) 和脑下空间 (SAS),有助于神经退行性疾病研究.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 计算解剖学的计算解剖学
背景情况:
- 脑膜 (皮亚膜,状膜,硬膜) 是关键的大脑层.
- 重建脑膜层有助于研究神经退行性疾病和衰老.
研究的目的:
- 开发一种使用CNN的新方法,从MRI图像中准确地重建脑膜层.
- 为了能够精确计算内体积 (ICV) 和脑下空间 (SAS).
主要方法:
- 卷积神经网络 (CNN) 预测了脑膜表面的签名距离函数 (SDF).
- 步行立方体算法生成了连续的表面表示.
- 对健康和多发性硬化症 (MS) 患者进行了体积测量分析.
主要成果:
- 基于CNN的方法产生了比可变形模型更光滑,更准确的表面,并减少了计算时间.
- 在健康和MS受试者中,ICV和SAS体积与性别和年龄有显著的相关性.
结论:
- 在神经成像中,CNN为脑膜表面重建提供了一种高效准确的方法.
- 这种方法促进了体积分析,以了解老化和疾病中的大脑变化.
