SUGAR：用于皮质表面配准的球面超快图注意力框架
图像与视频处理
2023-07-04 v1 计算机视觉与模式识别
机器学习
神经元与认知
摘要
皮质表面配准在跨个体的皮质功能与解剖特征对齐中起着关键作用。然而，传统配准算法计算效率低下。近来，基于学习的配准算法已成为一种有前景的解决方案，显著提升了处理效率。尽管如此，尽管深度学习方法在理论上具有更强的表征能力，在开发一种同时在计算效率、配准精度和畸变控制上超越最先进传统方法的基于学习的方法方面仍存在空白。为应对该挑战，我们提出 SUGAR，一个用于刚性与非刚性配准的统一无监督深度学习框架。SUGAR 结合了基于 U-Net 的球面图注意力网络，并利用欧拉角表示形变。除相似性损失外，我们引入了折叠与多种畸变损失，以保留拓扑并最小化各类畸变。此外，我们提出了一种专为球面表面配准定制的数据增强策略，以提升配准性能。通过对来自 7 个多样数据集的超过 10,000 次扫描的广泛评估，我们表明我们的框架在精度、畸变和重测可靠性方面表现出与常规及基于学习的方法相当或更优的配准性能。此外，SUGAR 实现了显著的亚秒级处理时间，在仅 32 分钟内配准来自 UK Biobank 数据集的 9,000 名受试者，提供了约 12,000 倍的显著加速。这种高配准性能与加速处理时间的结合可能极大惠及大规模神经影像研究。
引用
@article{arxiv.2307.00511,
title = {SUGAR: Spherical Ultrafast Graph Attention Framework for Cortical Surface Registration},
author = {Jianxun Ren and Ning An and Youjia Zhang and Danyang Wang and Zhenyu Sun and Cong Lin and Weigang Cui and Weiwei Wang and Ying Zhou and Wei Zhang and Qingyu Hu and Ping Zhang and Dan Hu and Danhong Wang and Hesheng Liu},
journal= {arXiv preprint arXiv:2307.00511},
year = {2023}
}