TractoRC：用于联合脂膜注册与聚类的统一概率学习框架
计算机视觉与模式识别
2026-03-12 v1
摘要
扩散 MRI 脂膜轨迹绘图使人类可在体内重建白质 (WM) 路径。脂膜轨迹分析的两个关键任务包括：1) 脂膜轨迹注册，将不同个体间的 streamlines 对齐；2) 脂膜轨迹聚类，将 streamlines 划分为紧凑的纤维束。尽管这两个任务都致力于捕捉几何相似的结构以表征一致的 WM 组织，但它们通常是独立进行的。本文提出 TractoRC，一种统一的概率框架，联合进行脂膜轨迹注册与聚类，并置于单一优化方案中，从而使两项任务能够利用互补信息。TractoRC 学习脂膜轨迹点的潜在嵌入空间，用作两项任务的共享表示。在该空间中，两项任务均形式化为对结构表示的概率推断：注册学习解剖标志的分布作为概率关键点，以跨主体对齐脂膜轨迹；聚类学习脂膜轨迹的结构原型，以捕捉几何相似性以形成连贯的脂膜轨迹簇。为支持有效学习此共享空间，我们引入一种等变自监督策略，以学习几何感知且对变换不变的嵌入。实验表明，联合优化注册与聚类显著优于将二者独立处理的前沿方法。代码将在 https://github.com/yishengpoxiao/TractoRC 公开。
引用
@article{arxiv.2603.10417,
title = {Frames2Residual: Spatiotemporal Decoupling for Self-Supervised Video Denoising},
author = {Mingjie Ji and Zhan Shi and Kailai Zhou and Zixuan Fu and Xun Cao},
journal= {arXiv preprint arXiv:2603.10417},
year = {2026}
}