一种基于概率关键点检测的基于流线的扩散 MRI 纤维束成像配准新方法
计算机视觉与模式识别
2025-07-15 v2
摘要
扩散 MRI 纤维束成像配准是分析大脑白质 (WM) 群体相似性和差异的重要步骤。基于流线的配准方法可以利用纤维通路的 3D 几何信息，实现配准后的空间对齐。现有方法通常依赖于空间距离的优化来确定最佳变换。然而，此类方法忽略了流线本身的点连接模式，限制了它们在纤维束成像数据集之间识别解剖对应关系的能力。在本工作中，我们提出了一种利用深度学习执行基于流线的 dMRI 纤维束成像配准的无监督方法。总体思路是跨受试者识别对应的特征点对，以实现纤维束成像数据集的空间对齐。我们将纤维束建模为点云，以利用沿流线的图连接性。我们提出了一种新颖的流线特征点检测方法，将其构建为概率分类任务，以在非结构化流线集中识别解剖学上一致的对应关系。在实验中，我们比较了多种现有方法，并展示了高度有效且高效的纤维束成像配准性能。
引用
@article{arxiv.2503.02481,
title = {A Novel Streamline-based diffusion MRI Tractography Registration Method with Probabilistic Keypoint Detection},
author = {Junyi Wang and Mubai Du and Ye Wu and Yijie Li and William M. Wells and Lauren J. O'Donnell and Fan Zhang},
journal= {arXiv preprint arXiv:2503.02481},
year = {2025}
}