CortexMorph：基于 VoxelMorph 微分同胚配准的快速皮层厚度估计

皮层带的厚度与多种神经和精神疾病相关，在 MRI 研究中常通过 Freesurfer 等基于表面的方法进行估计。DiReCT 方法通过对灰白质界面到软脑膜表面的微分同胚形变来计算皮层厚度，为基于表面的方法提供了替代方案。近期使用合成皮层厚度体模的研究表明，DiReCT 与基于深度学习的分割相结合比 Freesurfer 对亚体素皮层变薄更敏感。虽然 T1 加权图像的解剖分割现在只需数秒，但现有的 DiReCT 实现依赖于迭代图像配准方法，每个体积可能耗时长达一小时。另一方面，基于学习的可变形图像配准方法如 VoxelMorph 已被证明比经典方法更快，同时提高了配准精度。本文提出 CortexMorph，一种采用无监督深度学习直接回归 DiReCT 所需形变场的新方法。通过将 CortexMorph 与基于深度学习的分割模型结合，可从 T1 加权图像在数秒内估计区域厚度，同时保持检测皮层萎缩的能力。我们在 OASIS-3 数据集和 Rusak 等人的合成皮层厚度体模上验证了这一主张。