利用对比学习和几何展开分析3D-PLI中人脑海马的区域组织
计算机视觉与模式识别
2024-09-04 v1
摘要
理解人脑皮层组织需要针对不同的结构和功能成像数据提供可解释的描述符。三维偏振光成像（3D-PLI）是一种以高分辨率可视化死后大脑纤维结构的成像模态，它还能捕捉细胞体的存在，例如用于识别海马亚区。然而，3D-PLI图像中丰富的纹理使得该模态特别难以分析，并且表征结构模式的最佳实践仍有待建立。在这项工作中，我们展示了一种新方法，通过将展开方法的最新进展与使用自监督对比学习方法获得的深度纹理特征相结合，分析3D-PLI中人脑海马的区域组织。我们识别出表示中的聚类，这些聚类与海马亚区的经典描述很好地对应，从而验证了所开发方法的有效性。
引用
@article{arxiv.2402.17744,
title = {Analyzing Regional Organization of the Human Hippocampus in 3D-PLI Using Contrastive Learning and Geometric Unfolding},
author = {Alexander Oberstrass and Jordan DeKraker and Nicola Palomero-Gallagher and Sascha E. A. Muenzing and Alan C. Evans and Markus Axer and Katrin Amunts and Timo Dickscheid},
journal= {arXiv preprint arXiv:2402.17744},
year = {2024}
}
备注
Accepted to ISBI 2024