基于隐式神经表示从升采样等距训练实现详细的中央颞叶分割
计算机视觉与模式识别
2025-11-26 v2
摘要
磁共振成像（MRI）中的影像生物标志物是诊断、跟踪和治疗阿尔弗雷德病（AD）的重要工具。AD中神经纤维tau病理与神经退化密切相关，通常遵循脑部扩散模式，早期阶段涉及中央颞叶（MTL）的亚区域。 accurate segmentation of MTL亚区域是提取AD进展细粒度生物标志物所必需的。MTL亚区域通常使用T2加权（T2w）MRI成像，由于MRI物理和图像获取的限制，这些成像具有高度各向异性，使其难以可靠地对MTL亚区域进行几何建模并提取形态测度（如厚度）。本研究中，我们使用隐式神经表示方法将等距T1加权（T1w）和各向异性T2w MRI结合起来，对专家标注的MTL亚区域的简图进行升采样，建立了用于自动分割的多模态、高分辨率等距训练集。 在独立测试集中，使用该等距模型提取的形态测度在区分轻度认知障碍（MCI）患者和认知正常个体时，效应大小大于基于各向异性训练的模型。在测试-重测分析中，使用等距模型提取的形态测度稳定性更大。该研究表明，无需额外的简图标注工作即可提高MRI衍生MTL亚区域生物标志物的可靠性，这可能更准确地量化和跟踪AD病理与脑萎缩之间的关系，以用于监测疾病进展。
引用
@article{arxiv.2508.17171,
title = {Achieving detailed medial temporal lobe segmentation with upsampled isotropic training from implicit neural representation},
author = {Yue Li and Pulkit Khandelwal and Rohit Jena and Long Xie and Michael Duong and Amanda E. Denning and Christopher A. Brown and Laura E. M. Wisse and Sandhitsu R. Das and David A. Wolk and Paul A. Yushkevich},
journal= {arXiv preprint arXiv:2508.17171},
year = {2025}
}