基于多图匹配的海马沟图群体级标注
机器学习
2023-02-01 v1 机器学习
摘要
皮层褶皱的群体级匹配对于识别神经或精神疾病生物标志物是必要的。其困难源于褶皱形态与空间组织上巨大的个体间差异。该任务在方法论和概念层面均具挑战性。在广泛使用的基于配准的技术中，这些差异被视为噪声，褶皱的匹配仅是隐式的。替代方法基于皮层褶皱的提取与显式识别。特别地，将皮层折叠模式表示为脑沟盆地图（称为沟图），可将任务形式化为图匹配问题。本文中，我们提出直接使用多图匹配技术，在群体层面解决沟图匹配问题。首先，我们论证了多图匹配框架在此背景下的相关性。随后，我们引入一种生成人工沟图群体的流程，借此可对若干最先进（state of the art）多图匹配方法进行基准测试。我们在人工与真实数据上的结果证明了多图匹配技术在获得脑沟盆地级别的皮层褶皱群体一致标注方面的有效性。
引用
@article{arxiv.2301.13532,
title = {Population-wise Labeling of Sulcal Graphs using Multi-graph Matching},
author = {Rohit Yadav and François-Xavier Dupé and S. Takerkart and Guillaume Auzias},
journal= {arXiv preprint arXiv:2301.13532},
year = {2023}
}