深度多结构形状分析：在神经解剖学中的应用

我们提出了一种用于神经解剖形状监督学习的深度神经网络。该网络直接对原始点云进行操作，无需网格处理或确定点对应关系，因为空间变换网络将数据映射到规范空间。网络不再依赖手工设计的形状描述子，而是在端到端训练阶段学习最优表示。所提网络由多个分支组成，从而可同时学习多个结构的特征。我们在两个应用上展示了方法的性能：(i) 阿尔茨海默病与轻度认知障碍的预测；(ii) 脑龄的回归。最后，我们通过将点遮挡方法适配于点云，可视化了解剖结构中对预测重要的部分。