基于神经形变场的MRI模板化大脑皮层表面重建
图像与视频处理
2024-03-05 v2 计算机视觉与模式识别
摘要
大脑皮层表面重建是磁共振成像（MRI）中定量分析大脑皮层的先决条件。现有的基于分割的方法将表面配准与表面提取分开，这计算效率低且易产生畸变。我们引入了Vox2Cortex-Flow（V2C-Flow），这是一种深度网格变形技术，它学习从大脑模板到MRI扫描的皮层表面的变形场。为此，我们提出了一种几何神经网络，以连续的方式对描述变形的常微分方程进行建模。该网络架构包含卷积层和图卷积层，使其能够同时处理图像和网格。V2C-Flow不仅速度极快，只需不到两秒即可推断出所有四个皮层表面，而且还能在重建过程中建立与模板的顶点对应关系。此外，V2C-Flow是首个联合建模白质和软脑膜表面的皮层重建方法，从而避免了它们之间的交叉。我们在内部和外部测试数据上的综合实验表明，V2C-Flow生成的皮层表面在准确性方面达到了最先进的水平。此外，我们证明所建立的对应关系比FreeSurfer中的更一致，并且可以直接用于皮层分区和皮层厚度的组分析。
引用
@article{arxiv.2401.12938,
title = {Neural deformation fields for template-based reconstruction of cortical surfaces from MRI},
author = {Fabian Bongratz and Anne-Marie Rickmann and Christian Wachinger},
journal= {arXiv preprint arXiv:2401.12938},
year = {2024}
}
备注
To appear in Medical Image Analysis