CorticalFlow：用于皮质表面重建的微分同胚网格形变模块
计算机视觉与模式识别
2022-06-07 v1 人工智能
摘要
本文介绍 CorticalFlow，一种新颖的几何深度学习模型，该模型在给定三维图像时，学习将参考模板形变为目标物体。为保持模板网格的拓扑性质，我们在一组微分同胚变换上训练模型。这一对流形常微分方程（ODE）框架的新实现具有较小的 GPU 内存占用，可生成具有数十万顶点的表面。为减少由其离散分辨率引入的拓扑错误，我们推导了改善预测三角网格流形性的数值条件。为展示 CorticalFlow 的效用，我们证明了其在脑皮质表面重建这一挑战性任务上的性能。与当前最先进水平相比，CorticalFlow 在将计算时间从九分半钟缩短至一秒的同时，生成更优表面。更重要的是，CorticalFlow 强制生成解剖学上合理的表面；此类表面的缺失一直是限制此类表面重建方法临床相关性的主要障碍。
引用
@article{arxiv.2206.02374,
title = {CorticalFlow: A Diffeomorphic Mesh Deformation Module for Cortical Surface Reconstruction},
author = {Léo Lebrat and Rodrigo Santa Cruz and Frédéric de Gournay and Darren Fu and Pierrick Bourgeat and Jurgen Fripp and Clinton Fookes and Olivier Salvado},
journal= {arXiv preprint arXiv:2206.02374},
year = {2022}
}