MultiMorph：按需构建解剖图谱

我们提出了MultiMorph，一种快速高效的用于构建解剖图谱的方法。图谱捕捉一组图像的标准化结构，对跨人群解剖变异性的量化至关重要。然而，当前的图谱构建方法往往需要数天至数周的计算时间，从而阻碍了快速实验。许多科学研究依赖于来自人群不匹配的次优预计算图谱，严重影响下游分析。MultiMorph通过一种基于线性组交互层的前馈模型，快速为任何3D脑数据集在单次前向传播中生成高质量、针对特定人群的图谱，无需任何微调或优化。MultiMorph利用辅助合成数据，能够在测试时针对新的成像模态和人群组进行泛化。实验结果表明，MultiMorph在小规模和大规模人群设置下均优于基于优化和基于学习的图谱构建方法，时间降低了100倍。这使得MultiMorph成为无需机器学习专业知识的生物医学研究人员可访问的框架， enabling rapid, high-quality atlas generation for diverse studies。