用于语言表现认知评分预测的跨域纤维簇形状分析

形状在计算机图形学中扮演着重要角色，提供信息丰富的特征以传达对象的形态与功能。脑成像中的形状分析有助于解释人脑的结构与功能关联。在本工作中，我们研究了大脑三维白质连接的形状及其与人脑认知功能潜在的预测关系。我们使用扩散磁共振成像（dMRI）纤维束成像技术将大脑连接重建为三维点序列。为了描述每条连接，除了传统的 dMRI 连接性与组织微结构特征外，我们还提取了 12 个形状描述符。我们引入了一个新颖的框架——形状融合纤维簇 Transformer (SFFormer)，该框架利用多头交叉注意力特征融合模块，基于 dMRI 纤维束成像预测特定受试者的语言表现。我们在包含 1065 名健康年轻成人的大型数据集上评估了该方法的性能。结果表明，基于 Transformer 的 SFFormer 模型及其与形状、微结构和连接性的特征间/内融合均提供了丰富信息，并且共同提升了特定受试者语言表现评分的预测效果。总体而言，我们的结果表明大脑连接的形状对人脑语言功能具有预测能力。