JOSA：脑几何与功能的基于表面的联合配准与图谱构建
神经元与认知
2023-11-16 v1 计算机视觉与模式识别
图像与视频处理
摘要
基于表面的皮层配准是医学图像分析中的重要课题，并促进了许多下游应用。当前皮层配准方法主要由几何特征（如沟深与曲率）驱动，且常假设折叠模式的配准会导致脑功能的对齐。然而，跨被试的解剖对应区域存在功能变异已被广泛报道，尤其在高阶认知区域。本工作中，我们提出 JOSA，一种新颖的皮层配准框架，在联合建模几何与功能之间错配的同时，同步学习无偏的群体特异性图谱。采用半监督训练策略，JOSA 在几何与功能上均取得优于最先进方法的配准性能，且在推理时无需功能数据。该学习框架可扩展至任意辅助数据以引导球面配准——这些数据在训练时可用但在推理时难以或无法获取，如分区图、构筑学身份、转录组信息与分子谱。通过认识几何与功能之间的错配，JOSA 为未来利用脑结构与功能联合分析发展配准方法提供了新见解。
引用
@article{arxiv.2311.08544,
title = {JOSA: Joint surface-based registration and atlas construction of brain geometry and function},
author = {Jian Li and Greta Tuckute and Evelina Fedorenko and Brian L. Edlow and Adrian V. Dalca and Bruce Fischl},
journal= {arXiv preprint arXiv:2311.08544},
year = {2023}
}
备注
A. V. Dalca and B. Fischl are co-senior authors with equal contribution. arXiv admin note: text overlap with arXiv:2303.01592