利用时变参数神经位移场捕捉脑部形态的纵向变化
计算机视觉与模式识别
2025-04-15 v1 机器学习
摘要
纵向图像配准使我们能够研究脑部形态的temporal变化，这在监控特定结构的生长或萎缩方面具有重要用途。然而，这一任务面临数据中的噪声/伪影以及在连续扫描之间对小解剖变化的量化挑战。我们提出了一种新颖的纵向配准方法，通过时变参数神经位移场来建模结构变化。具体而言，我们实现了一种隐式神经表示( INR)，其基于多层感知器(MLP)用作连续坐标基于的变形场近似。实际上，对于特定受试者的N次扫描，我们的模型以3D空间坐标位置 和相应的temporal表示 作为输入，学习描述该受试者在观察到的以及未观察到的time点处的连续形态。此外，我们利用 INR 的解析导数推导出一种新的正则化函数，以强制执行体素轨迹的单调变化率，从而实现更符合生物学规律的模式。我们在4D脑MR配准上展示了该方法的有效性。
引用
@article{arxiv.2504.09514,
title = {Capturing Longitudinal Changes in Brain Morphology Using Temporally Parameterized Neural Displacement Fields},
author = {Aisha L. Shuaibu and Kieran A. Gibb and Peter A. Wijeratne and Ivor J. A. Simpson},
journal= {arXiv preprint arXiv:2504.09514},
year = {2025}
}
备注
Accepted for publication at Medical Imaging with Deep Learning (MIDL)