通过随机皮层自重建实现异常皮层厚度的个体化映射
计算机视觉与模式识别
2025-09-24 v2
摘要
理解皮层结构的个体差异是推动神经学和精神病学诊断进步的关键。参考模型有助于检测异常皮层厚度，但站点特异性偏差限制了其直接应用于未见数据，且区域平均值阻碍了对局部皮层变化的检测。为解决这些局限性，我们开发了随机皮层自重建 (SCSR)，这是一种利用深度学习在顶点级别重建皮层厚度图的新方法，无需额外的受试者信息。SCSR 在超过 25,000 名健康个体上训练，生成高度个体化的皮层重建，能够检测细微的厚度偏差。我们在独立测试集上的评估表明，SCSR 实现了显著更低的重建误差，并识别出萎缩模式，从而比现有方法更好地鉴别疾病。它还揭示了现有模型未检测到的早产儿皮层变薄现象，展示了其多功能性。最后，SCSR 在利用临床数据映射痴呆症患者的高分辨率皮层偏差方面表现出色，突显了其在支持临床实践诊断方面的潜力。
引用
@article{arxiv.2403.06837,
title = {Individualized Mapping of Aberrant Cortical Thickness via Stochastic Cortical Self-Reconstruction},
author = {Christian Wachinger and Dennis Hedderich and Melissa Thalhammer and Fabian Bongratz},
journal= {arXiv preprint arXiv:2403.06837},
year = {2025}
}
备注
Accepted for publication in Medical Image Analysis