基于学习图谱坐标的无参考脑解剖切片3D重建
图像与视频处理
2025-12-16 v2 计算机视觉与模式识别
摘要
神经病理学与MRI的相关性有望将病理的微观特征转移到活体扫描中。越来越多的研究兴趣集中在从脑库解剖过程中常规拍摄的解剖切片照片堆栈中建立这些相关性。这些照片绕过了对体外MRI的需求，而后者并不广泛可用。然而，现有方法要么需要相应的3D参考（如体外MRI扫描或通过结构光扫描仪获取的大脑表面），要么需要完整的脑切片堆栈，这严重限制了适用性。本文提出了RefFree，一种无需外部参考的解剖照片3D重建方法。RefFree利用预测的图谱空间(MNI)标准3D坐标作为引导，对任意数量的切片（包括单片）进行一致的3D体积重建。为支持RefFree的流程，训练了一个图谱坐标预测网络，利用从数字化切片3D MRI数据生成的具有随机外观的合成照片来估计照片的坐标图，以增强泛化能力。作为副产品，RefFree可以在不进行重建的情况下将信息（如解剖标签）从图谱空间传播到单张照片。实验结果表明，在所有切片可用时，RefFree达到了与现有经典方法相当的性能，但速度显著提高。此外，RefFree对部分堆栈甚至单片均能实现准确的重建和配准。代码地址：https://github.com/lintian-a/reffree。
引用
@article{arxiv.2503.09963,
title = {Reference-Free 3D Reconstruction of Brain Dissection Slabs via Learned Atlas Coordinates},
author = {Lin Tian and Jonathan Williams-Ramirez and Dina Zemlyanker and Lucas J. Deden-Binder and Rogeny Herisse and Theresa R. Connors and Mark Montine and Istvan N Huszar and Lilla Zöllei and Sean I. Young and Christine Mac Donald and C. Dirk Keene and Derek H. Oakley and Bradley T. Hyman and Oula Puonti and Matthew S. Rosen and Juan Eugenio Iglesias},
journal= {arXiv preprint arXiv:2503.09963},
year = {2025}
}