具有深度概率细化的超分辨率多对比度无偏眼部图谱

目的：眼部形态在人群中差异显著，尤其是眼眶和视神经。这些差异限制了将人群层面的眼部器官特征推广至无偏空间参考的可行性与鲁棒性。方法：为了解决这些局限性，我们提出了一种创建高分辨率无偏眼部图谱的流程。首先，为了从穿透面分辨率低于平面内分辨率的扫描中恢复空间细节，我们应用了基于深度学习的超分辨率算法。然后，我们使用一小部分受试者扫描，通过基于度量的迭代配准生成初始无偏参考。我们将剩余的扫描配准到该模板，并使用无监督深度概率方法对模板进行细化，该方法生成更广泛的形变场以增强器官边界的对齐。我们利用四种不同组织对比度的磁共振图像演示了该框架，在各自独立的空间对齐中生成了四份图谱。结果：对于每种组织对比度，与由刚性、仿射和可形变变换组成的标准配准框架相比，我们发现在四个标记区域的平均 Dice 分数上，使用 Wilcoxon 符号秩检验有显著改善。这些结果突显了使用我们提出的流程对眼部器官和边界的有效对齐。结论：通过结合超分辨率预处理和深度概率模型，我们解决了生成眼部图谱的挑战，该图谱可作为跨越高度可变人群的标准化参考。