糖:球形超快图的注意力框架用于皮质表面的注册.
Jianxun Ren1, Ning An1, Youjia Zhang1
1Changping Laboratory, Beijing, China.
Medical image analysis
|March 1, 2024
概括
我们开发了SUGAR,这是一种用于大脑表面注册的深度学习框架,实现了卓越的准确性和效率. 这种方法显著加速了大规模神经成像研究的处理.
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:
- 皮质表面注册对于对各个个体之间调整大脑特征至关重要.
- 传统的方法在计算方面效率低下,限制了大规模研究.
- 现有的基于学习的方法在所有关键指标上都没有超过传统的方法.
研究的目的:
- 推出SUGAR,一个统一的无监督深度学习框架用于大脑表面注册.
- 在计算效率,注册准确性和扭曲控制方面实现最先进的性能.
- 为了实现大规模神经成像数据集的快速和准确的注册.
主要方法:
- 糖利用基于U-Net的球形图注意力网络进行刚性和非刚性注册.
- 采用欧勒角度表示变形,并结合了新的折叠和扭曲损失.
- 具有针对球形表面登记的定制数据增强策略.
主要成果:
- 在7个不同的数据集 (>10000次扫描) 中,SUGAR表现出可比或优异的准确性,扭曲控制和可靠性.
- 与传统方法相比,实现了次秒处理时间,速度提高了约12,000倍.
- 在32分钟内成功注册了9000名英国生物库受试者.
结论:
- 糖提供了一个高效和准确的解决方案,用于皮质表面登记.
- 它的速度和性能有利于大规模的神经成像研究.
- 这一框架通过克服以前的注册技术的局限性,推动了该领域的发展.


