利用隐式神经表示建模新生儿大脑发育
图像与视频处理
2024-08-19 v1 计算机视觉与模式识别
机器学习
摘要
人类大脑在妊娠晚期经历快速发育。在本工作中，我们建模了这一年龄段婴儿大脑的新生儿发育过程。作为基础，我们使用了发育人类连接组计划(dHCP)中早产儿和足月新生儿的MR图像。我们提出了一种神经网络，即隐式神经表示(INR)，来预测不同时间点的2D和3D图像。为了对个体特异性的发育过程进行建模，有必要在INR的隐空间中将年龄与受试者身份解耦。我们提出了两种方法——受试者特定隐向量(SSL)和随机全局隐增强(SGLA)，以实现这种解耦。我们对结果进行了分析，并将所提出的模型与以年龄为条件的去噪扩散模型作为基线进行了比较。我们还展示了该方法可以以内存高效的方式应用，这对3D数据尤为重要。
引用
@article{arxiv.2408.08647,
title = {Modeling the Neonatal Brain Development Using Implicit Neural Representations},
author = {Florentin Bieder and Paul Friedrich and Hélène Corbaz and Alicia Durrer and Julia Wolleb and Philippe C. Cattin},
journal= {arXiv preprint arXiv:2408.08647},
year = {2024}
}
备注
Preprint, Accepted for PRIME MICCAI 2024