用于新生儿皮层表面重建的条件时间注意力网络
图像与视频处理
2023-07-25 v1 神经元与认知
摘要
皮层表面重建在围产期大脑快速发育建模中具有基础作用。本文提出条件时间注意力网络（CoTAN），一种用于微分同胚新生儿皮层表面重建的快速端到端框架。CoTAN从新生儿脑部磁共振图像（MRI）预测多分辨率平稳速度场（SVF）。CoTAN不集成多个SVF，而是引入注意力机制，通过在每个积分步计算所有SVF的加权和来学习条件时变速度场（CTVF）。每个SVF的重要性由学习到的注意力图估计，其以新生儿年龄为条件并随积分时间步变化。所提CTVF定义了微分同胚表面形变，有效减少了网格自相交误差。其仅需0.21秒即可将初始模板网格形变为每个脑半球的皮层白质与软膜表面。CoTAN在发育中人脑连接组计划（dHCP）数据集上验证，该数据集包含877张采自早产与足月新生儿的3D脑MR图像。相比最先进基线，CoTAN以仅0.12mm几何误差和0.07%自相交面取得更优性能。注意力图可视化表明，CoTAN确实在无中间监督下自动学习了由粗到细的表面形变。
引用
@article{arxiv.2307.11870,
title = {Conditional Temporal Attention Networks for Neonatal Cortical Surface Reconstruction},
author = {Qiang Ma and Liu Li and Vanessa Kyriakopoulou and Joseph Hajnal and Emma C. Robinson and Bernhard Kainz and Daniel Rueckert},
journal= {arXiv preprint arXiv:2307.11870},
year = {2023}
}
备注
Accepted by the 26th International Conference on Medical Image Computing and Computer Assisted Intervention, MICCAI 2023