纵向医学图像的形状建模：从微分同胚度量映射到深度学习
计算机视觉与模式识别
2025-04-07 v2
摘要
活体生物组织是一个复杂系统，不断生长并随内外部刺激而变化。这些过程导致了显著且复杂的形状变化。对解剖结构形状的自然变化与病理（或异常）变化进行建模和理解具有高度相关性，可应用于医疗保健中的诊断、预后和治疗。然而，由于生物组织固有的非线性特征，对其纵向形状变化进行建模并非易事。在本综述中，我们重点介绍了现有几种建模纵向形状变化（即时空形状建模）的方法与工具。这些方法涵盖了从微分同胚度量映射到基于深度学习的方法（例如自编码器、生成网络、循环神经网络等）。我们讨论了现有技术的协同结合及未来研究的潜在方向，强调了当前研究格局中的关键不足。
引用
@article{arxiv.2503.21489,
title = {Shape Modeling of Longitudinal Medical Images: From Diffeomorphic Metric Mapping to Deep Learning},
author = {Edwin Tay and Nazli Tümer and Amir A. Zadpoor},
journal= {arXiv preprint arXiv:2503.21489},
year = {2025}
}