TractoEmbed: 用于白质纤维束分割的模块化多层次嵌入框架
计算机视觉与模式识别
2025-01-28 v1 人工智能
摘要
白质纤维束分割对于研究大脑结构连接和神经外科规划至关重要。然而，由于主要纤维束和次要纤维束之间的类别不平衡、结构相似性、个体差异、半球间对称流线等问题，分割仍然具有挑战性。为了解决这些挑战，我们提出了TractoEmbed，一个模块化的多层次嵌入框架，通过在各自的编码器中执行学习任务来编码局部化表示。在本文中，TractoEmbed引入了一种新颖的层次化流线数据表示，该表示在每个层次（即单个流线、簇和块）捕获最大空间信息。实验表明，TractoEmbed在不同数据集和跨越不同年龄组的白质纤维束分割中优于最先进的方法。该模块化框架允许在未来的工作中直接集成额外的嵌入。
引用
@article{arxiv.2411.08187,
title = {TractoEmbed: Modular Multi-level Embedding framework for white matter tract segmentation},
author = {Anoushkrit Goel and Bipanjit Singh and Ankita Joshi and Ranjeet Ranjan Jha and Chirag Ahuja and Aditya Nigam and Arnav Bhavsar},
journal= {arXiv preprint arXiv:2411.08187},
year = {2025}
}
备注
Accepted at 27th International Conference on Pattern Recognition (ICPR), 2024 15 pages, 2 figures