基于无监督深度学习的罕见皮层折叠模式识别
图像与视频处理
2024-08-14 v1 计算机视觉与模式识别
摘要
如同指纹一般，皮层折叠模式对每个大脑而言都是独一无二的，尽管它们遵循着一般的物种特异性组织结构。某些折叠模式已与神经发育障碍相关联。然而，由于个体间高度变异性，识别可能成为生物标志物的罕见折叠模式仍是一项极为复杂的任务。本文提出一种新颖的无监督深度学习方法，用于识别罕见折叠模式并评估可检测到的偏离程度。为此，我们对脑部 MR 图像进行预处理，使学习聚焦于折叠形态，并训练一个 beta-VAE 来建模折叠的个体间变异性。我们利用合成基准以及一个与实际中央沟相关的实际罕见构型，比较了潜空间与重建误差的检测能力。最后，我们在位于另一区域的一个发育异常上评估了方法的泛化性。我们的结果表明，该方法能够编码相关的折叠特征，并可基于 beta-VAE 的生成能力加以阐明和更好解释。潜空间与重建误差提供了互补信息，并实现了不同性质罕见模式的识别。该方法在另一数据集的不同区域上泛化良好。代码见 https://github.com/neurospin-projects/2022_lguillon_rare_folding_detection。
引用
@article{arxiv.2211.16213,
title = {Identification of Rare Cortical Folding Patterns using Unsupervised Deep Learning},
author = {Louise Guillon and Joël Chavas and Audrey Bénézit and Marie-Laure Moutard and Denis Rivière and Jean-François Mangin},
journal= {arXiv preprint arXiv:2211.16213},
year = {2024}
}