基于微分同胚配准的脑图像生成式老化
图像与视频处理
2022-12-06 v1 计算机视觉与模式识别
摘要
分析和预测脑老化对于认知疾病的早期预后和准确诊断至关重要。神经影像技术（如磁共振成像（MRI））提供了一种观察脑内老化过程的非侵入性手段。随着纵向图像数据的收集，数据密集型人工智能（AI）算法已被用于研究脑老化。然而，现有最先进算法往往局限于群体水平的预测，且存在不真实预测的问题。本文提出一种生成纵向 MRI 扫描的方法，可捕捉受试者特异性的神经退行性变并保持老化过程中的解剖合理性。所提方法在微分同胚配准框架下开发，并依赖三项关键新技术进展来生成受试者水平解剖合理的预测：i) 基于配准的计算高效且个体化的生成框架；ii) 基于生物学线性老化进程的老化生成模块；iii) 用于适配配准生成任务的质量控制模块。我们的方法在来自三个不同队列的 796 名参与者的 2662 张 T1 加权（T1-w）MRI 扫描上进行了评估。首先，我们应用 6 个常用标准来证明所提方法的老化模拟能力；其次，我们通过定量测量和神经放射科医生的定性评估来评价合成图像的质量。总体而言，实验结果表明，所提方法能生成解剖合理的预测，可用于增强纵向数据集，进而赋能数据饥渴的 AI 驱动医疗工具。
引用
@article{arxiv.2205.15607,
title = {Generative Aging of Brain Images with Diffeomorphic Registration},
author = {Jingru Fu and Antonios Tzortzakakis and José Barroso and Eric Westman and Daniel Ferreira and Rodrigo Moreno},
journal= {arXiv preprint arXiv:2205.15607},
year = {2022}
}