CortexODE：基于神经常微分方程的皮层表面重建
图像与视频处理
2022-09-13 v2 计算机视觉与模式识别
摘要
我们提出 CortexODE，一种用于皮层表面重建的深度学习框架。CortexODE 利用神经常微分方程（ODEs）通过学习微分同胚流将输入表面形变为目标形状。表面上各点的轨迹被建模为 ODEs，其坐标的导数通过一个可学习的 Lipschitz 连续形变网络参数化。这为防止自相交提供了理论保证。CortexODE 可集成到一个基于学习的自动流水线中，该流水线在不到 5 秒内高效重建皮层表面。该流水线利用 3D U-Net 从脑磁共振成像（MRI）扫描中预测白质分割，并进一步生成表示初始表面的带符号距离函数。引入快速拓扑修正确保与球面的同胚。在等值面提取步骤之后，训练两个 CortexODE 模型分别将初始表面形变为白质表面和软膜表面。所提出的流水线在包括新生儿（25-45 周）、年轻成人（22-36 岁）和老年受试者（55-90 岁）在内的不同年龄段大规模神经影像数据集上进行评估。我们的实验表明，基于 CortexODE 的流水线可实现小于 0.2mm 的平均几何误差，同时比传统处理流水线快数个数量级。
引用
@article{arxiv.2202.08329,
title = {CortexODE: Learning Cortical Surface Reconstruction by Neural ODEs},
author = {Qiang Ma and Liu Li and Emma C. Robinson and Bernhard Kainz and Daniel Rueckert and Amir Alansary},
journal= {arXiv preprint arXiv:2202.08329},
year = {2022}
}
备注
Accepted by IEEE Transactions on Medical Imaging