机构名称：
¥ 1.0
基于网格的大脑皮层重建是脑图像分析的基本组成部分。经典的、迭代的皮层建模流程虽然稳健，但通常很耗时，这主要是因为涉及拓扑校正和球面映射的程序成本高昂。最近使用机器学习方法解决重建问题的尝试加速了这些流程中的一些组件，但这些方法仍然需要缓慢的处理步骤来强制执行符合已知解剖结构的拓扑约束。在这项工作中，我们引入了一种基于学习的新型策略 TopoFit，它可以快速将拓扑正确的表面拟合到白质组织边界。我们设计了一个联合网络，采用图像和图形卷积以及高效的对称距离损失，以学习预测将模板网格映射到特定于受试者的解剖结构的准确变形。该技术涵盖了当前网格校正、微调和膨胀过程的工作，因此与传统方法相比，它为皮层表面重建提供了 150 倍的更快解决方案。我们证明 TopoFit 是 1。比目前最先进的深度学习策略准确率高出 8 倍，并且对白质组织低信号等常见故障模式具有很强的鲁棒性。关键词：皮质表面重建、拓扑、几何深度学习
快速重建拓扑正确的皮质表面
主要关键词
相关文件推荐
