基于模板的最小能量形变皮层表面重建
计算机视觉与模式识别
2025-09-19 v1 人工智能
机器学习
神经元与认知
机器学习
摘要
从磁共振成像（MRI）进行皮层表面重建（CSR）是神经影像分析的基础，能够实现对大脑皮层形态学研究和功能脑图谱绘制。近年来，基于学习的CSR方法极大地加速了处理流程，使得通过解剖模板形变在数秒内完成重建成为可能。然而，确保学习到的形变在形变能量方面最优，并在不同训练运行之间保持一致，仍然是一个特殊的挑战。在本工作中，我们设计了一种最小能量形变（MED）损失，作为形变轨迹上的正则化器，补充了CSR中广泛使用的Chamfer距离。我们将其整合到最新的V2C-Flow模型中，并展示了在先前被忽视的训练一致性和可复现性方面的显著改进，同时不损害重建精度和拓扑正确性。
引用
@article{arxiv.2509.14827,
title = {Template-Based Cortical Surface Reconstruction with Minimal Energy Deformation},
author = {Patrick Madlindl and Fabian Bongratz and Christian Wachinger},
journal= {arXiv preprint arXiv:2509.14827},
year = {2025}
}