Loading...
机构名称:
¥ 1.0

早期婴儿期是行为和神经认知的快速而动态的神经发育。纵向磁共振成像(MRI)是通过捕获大脑结构的发育性发展来研究这种关键阶段的有效工具。但是,由于参与者辍学和扫描失败,纵向MRI获取始终遇到严重的数据失误问题,这使纵向婴儿大脑Atlas的构建和发展轨迹描述非常具有挑战性。由于开发了基于AI的生成模型,神经图像完成已成为一种有力的技术,可以保留尽可能多的可用数据。但是,当前的图像完成方法通常在时间维度中每个内部主题内部都遇到不一致的,从而损害了整体质量。为了解决这个问题,我们的论文提出了一个两阶段的扩散模型Cas-diffcom,用于致密和纵向3D婴儿脑MRI MRI完成和超级分辨率。我们将提出的方法应用于Baby Connectome项目(BCP)数据集。实验结果验证了Cas-Diffcom在纵向婴儿脑图像完成中既可以达到单个共识和高保真度。我们进一步将生成的婴儿脑图像应用于两个下游任务,即脑组织分割和发育轨迹描述,以声明其在神经科学领域中面向任务的潜力。

arxiv:2402.13776v1 [eess.iv] 2024年2月21日

arxiv:2402.13776v1 [eess.iv] 2024年2月21日PDF文件第1页

arxiv:2402.13776v1 [eess.iv] 2024年2月21日PDF文件第2页

arxiv:2402.13776v1 [eess.iv] 2024年2月21日PDF文件第3页

arxiv:2402.13776v1 [eess.iv] 2024年2月21日PDF文件第4页

arxiv:2402.13776v1 [eess.iv] 2024年2月21日PDF文件第5页

相关文件推荐