从MRI中基于模板的皮质表面重建的神经变形场
Fabian Bongratz1, Anne-Marie Rickmann2, Christian Wachinger3
1Laboratory for Artificial Intelligence in Medical Imaging, Department of Radiology, Technical University of Munich, Munich 81675, Germany; Munich Center for Machine Learning, Munich, Germany.
Medical image analysis
|January 28, 2024
概括
Vox2Cortex-Flow (V2C-Flow) 使用一种新的深网状变形技术,快速准确地重建大脑皮层表面. 这种方法为先进的神经成像分析建立了一致的对应性.
科学领域:
- 神经成像是一种神经成像.
- 计算神经科学是一种神经科学.
- 医学图像分析 医学图像分析
背景情况:
- 从磁共振成像 (MRI) 中精确重建大脑皮层表面对于定量分析至关重要.
- 目前基于细分的方法在计算上是密集的,并且由于分开的注册和提取步骤,容易受到扭曲.
- 现有的方法往往难以确保准确的,不相交的白质和白质表面.
研究的目的:
- 介绍Vox2Cortex-Flow (V2C-Flow),一种新的深层网状变形技术,用于高效准确的皮质表面重建.
- 建立一种方法,共同建模白质和白质表面,防止交叉.
- 在重建期间创建顶点对应的脑模板,以进行增强的下游分析.
主要方法:
- 开发了V2C-Flow,一种深度网状变形技术,从大脑模板学习变形场,以准皮质表面.
- 利用具有卷积和图形卷积层的几何神经网络,使图像和网格的同时处理成为可能.
- 以连续的方式建模了描述变形的普通微分方程.
主要成果:
- V2C-Flow在不到两秒的时间内重建了所有四个皮质表面,显示出显著的速度改进.
- 与现有方法相比,在皮质表面重建方面取得了最先进的准确性.
- 与FreeSurfer相比,建立了比FreeSurfer更一致的顶点对应,使其能够在分片和组分析中直接使用.
结论:
- 在MRI中,V2C-Flow为皮质表面重建提供了高效和准确的解决方案.
- 白质和白质表面的联合建模成功避免了交叉点.
- 所生成的对应数据有助于进行先进的定量分析,包括皮层分片和皮层厚度的小组研究.
