预测形状演化:一种黎曼方法
计算机视觉与模式识别
2024-02-23 v3 微分几何
组织与器官
摘要
从单次基线观测预测解剖形状的未来演化是一项具有挑战性的任务,但对临床决策可能至关重要。研究表明,应在弯曲形状空间中处理该问题,因为(例如与疾病相关的)形状变化经常表现出非线性特征。因此我们提出了一种新颖的预测方法,将整体形状编码于黎曼形状空间中,然后基于纵向训练数据的层次统计建模学习一种简单的预测技术。当应用于预测阿尔茨海默病下右侧海马体的形状未来演化以及人体运动时,它优于支持深度学习的变体以及当前最优方法。
引用
@article{arxiv.2212.04740,
title = {Predicting Shape Development: a Riemannian Method},
author = {Doğa Türkseven and Islem Rekik and Christoph von Tycowicz and Martin Hanik},
journal= {arXiv preprint arXiv:2212.04740},
year = {2024}
}
备注
new experiment with human motion data; fixed vertex-assignment bug in the prediction of the varifold-based method