IdenBAT：用于身份保留脑龄转换的解缠表示学习

脑龄转换旨在将参考脑像转化为能够准确反映目标年龄组特定特征的合成图像。该任务的主要目标是仅修改参考图像中与年龄相关的属性，同时保留所有其他与年龄无关的属性。然而，由于脑像特征在由 backbone 编码器提取的特征中天然缠绕，导致图像生成时各属性同时发生改变，实现此目标提出了巨大的挑战。为解决此挑战，我们提出了一种新型架构，采用解缠表示学习用于身份保留脑龄转换，称为 IdenBAT。该方法促进图像特征的分解，确保保留个体特征的同时，对年龄相关特征进行选择性转换以匹配目标年龄组的特征。通过在 2D 和完整 3D 脑数据集上进行全面实验，我们的方法能够准确地将输入图像转换为目标年龄，同时保留个体特征。 Furthermore, our approach demonstrates superiority over existing state-of-the-art regarding performance fidelity.