通过隐式神经表示构建连续纵向胎儿脑图谱
图像与视频处理
2022-09-15 v1 计算机视觉与模式识别
摘要
纵向胎儿脑图谱是理解和刻画胎儿脑发育复杂过程的强有力工具。现有胎儿脑图谱通常通过对离散时间点上独立的平均脑图像构建。由于不同时间点样本在个体发生趋势上的差异，所得图谱存在时间不一致性，可能导致沿时间线的脑发育特征参数估计误差。为此，我们提出一个多阶段深度学习框架，将时间不一致性问题作为4D（3D脑体积+1D年龄）图像数据去噪任务来处理。利用隐式神经表示，我们将连续且无噪声的纵向胎儿脑图谱构建为4D时空坐标的函数。在两个公开胎儿脑图谱（CRL与FBA-Chinese图谱）上的实验结果表明，所提方法在保持良好胎儿脑结构表征的同时，显著改善了图谱时间一致性。此外，该连续纵向胎儿脑图谱还可广泛用于对空间与时间分辨率更精细的4D图谱生成。
引用
@article{arxiv.2209.06413,
title = {Continuous longitudinal fetus brain atlas construction via implicit neural representation},
author = {Lixuan Chen and Jiangjie Wu and Qing Wu and Hongjiang Wei and Yuyao Zhang},
journal= {arXiv preprint arXiv:2209.06413},
year = {2022}
}
备注
11 pages, 4 figures