CINA：用于胎儿大脑时空表示的条件隐式神经图谱
机器学习
2024-03-14 v1 计算机视觉与模式识别
摘要
我们引入了一种条件隐式神经图谱（CINA），用于从神经典型和病理胎儿大脑的磁共振图像（MRI）生成时空图谱，该方法完全独立于仿射或非刚性配准。在训练期间，CINA 学习胎儿大脑的通用表示，并将特定于受试者的信息编码到潜码中。训练后，CINA 可以为训练域内涵盖的任何胎龄（GA）和解剖变异构建具有组织概率图的忠实图谱。因此，CINA 能够表示神经典型和病理大脑。此外，训练好的 CINA 模型可以通过测试时对潜码的优化，拟合到未见受试者的脑部 MRI。然后，CINA 可以生成针对特定受试者定制的概率组织图。我们在来自 dHCP 和 FeTA 数据集的共 198 例正常和异常胎儿大脑的 T2 加权 MRI 上评估了我们的方法。我们展示了 CINA 表示胎儿大脑图谱的能力，该图谱可以灵活地以胎龄以及诸如心室容积或皮层折叠程度等解剖变异为条件，使其成为建模神经典型和病理大脑的合适工具。我们通过组织分割和年龄预测来量化我们图谱的保真度，并将其与一个既定的基线进行比较。CINA 在神经典型大脑和患有脑室增大的病理大脑上均表现出优越的准确性。此外，CINA 在胎儿大脑年龄预测中取得了 0.23 周的平均绝对误差，进一步证实了对胎儿大脑发育的准确表示。
引用
@article{arxiv.2403.08550,
title = {CINA: Conditional Implicit Neural Atlas for Spatio-Temporal Representation of Fetal Brains},
author = {Maik Dannecker and Vanessa Kyriakopoulou and Lucilio Cordero-Grande and Anthony N. Price and Joseph V. Hajnal and Daniel Rueckert},
journal= {arXiv preprint arXiv:2403.08550},
year = {2024}
}
备注
Submitted to MICCAI 2024