INFANiTE：基于临床厚层 MRI 学习高分辨率胎儿脑时空图谱的隐式神经表示
计算机视觉与模式识别
2026-05-12 v1
摘要
胎儿脑时空图谱对于表征规范性神经发育和识别先天性异常具有重要意义。然而，现有的图谱构建流程需要数天时间进行切片到体积重建（SVR）以生成高分辨率三维脑体积，并需额外数天进行迭代体积配准，从而使得从大规模队列中构建图谱变得极其不切实际。我们通过 INFANiTE 解决了这些局限性，这是一个基于临床厚层 MRI 扫描学习高分辨率胎儿脑时空图谱的隐式神经表示（INR）框架，完全绕过了高成本的 SVR 和迭代非刚性配准步骤，从而大幅加速了图谱构建。大量实验表明，即使在具有挑战性的稀疏数据设置下，INFANiTE 在受试者一致性、参考保真度、内在质量和生物学合理性方面均优于现有基线。此外，与传统的基于三维体积的流程（例如 SyGN）相比，INFANiTE 将端到端处理时间（即从原始扫描到最终图谱）从数天缩短至数小时，促进了大规模群体水平的胎儿脑分析。我们的代码已公开于：https://anonymous.4open.science/r/INFANiTE-5D74
引用
@article{arxiv.2605.09977,
title = {INFANiTE: Implicit Neural representation for high-resolution Fetal brain spatio-temporal Atlas learNing from clinical Thick-slicE MRI},
author = {Xiaotian Hu and Mingxuan Liu and Hongjia Yang and Juncheng Zhu and Yijin Li and Yifei Chen and Haoxiang Li and Tongxi Song and Zihan Li and Yingqi Hao and Ziyu Li and Yujin Zhang and Gang Ning and Yi Liao and Haibo Qu and Qiyuan Tian},
journal= {arXiv preprint arXiv:2605.09977},
year = {2026}
}