LV-Net：基于解剖学特征的侧颅豆浆形状建模及其阿尔茨海默病病例研究
计算机视觉与模式识别
2025-08-22 v2 图形学
摘要
侧颅豆浆（LV）形状分析作为神经疾病的生物标志物具有潜在价值；然而，由于个体间形状变异巨大以及 MRI 分辨率有限导致的分割困难，仍面临挑战。我们提出 LV-Net，一种新型框架，用于从脑 MRI 中生成个性化的 3D LV 网格，通过变形解剖学感知的联合 LV-海马体模板网格来实现。通过纳入联合模板中嵌入的解剖学关系，LV-Net 减少了边界分割伪影，提高了重建鲁棒性。此外，基于模板网格顶点在解剖学邻近性上的分类，使我们的方法在受试者之间实现更准确的点对应关系，从而获得更准确的 LV 形状统计。我们证明 LV-Net 在分割出现瑕疵时仍能实现优异的重建精度，并在多样化数据集上提供更可靠的形状描述符。最后，我们将 LV-Net 应用于阿尔茨海默病分析，识别出显示与认知正常对照组显著相关的 LV 亚区域。LV 形状建模的代码已提供：https://github.com/PWonjung/LV_Shape_Modeling。
引用
@article{arxiv.2508.06055,
title = {LV-Net: Anatomy-aware lateral ventricle shape modeling with a case study on Alzheimer's disease},
author = {Wonjung Park and Suhyun Ahn and Jinah Park},
journal= {arXiv preprint arXiv:2508.06055},
year = {2025}
}