机构名称：
¥ 1.0
这项工作为纵向图像分析的单步深入学习框架，即segis-net。为了最佳利用纵向数据中可用的信息，此方法同时学习了多级序列和非线性注册。分割和注册是使用卷积神经网络建模的，并同时优化了它们的相互利益。提出了一个目标函数，以优化跨时间点的分段结构的空间对应关系。我们将Segis-net应用于n = 8045的3249名老年人的n = 8045纵向脑MRI数据集中的白质大道的分析。segis-net方法表明，登记精度，时空分割一致性和可重复性的显着提高。这也导致样品大小的显着降低，在分析特定的统计指标时获得相同的统计能力所必需的。因此，我们期望Segis-NET可以作为支持纵向成像研究的新工具，以研究随着时间的推移研究宏观和微结构大脑的变化。
使用SEGIS-NET纵向扩散MRI分析
主要关键词
相关文件推荐
