SUGAR: 大脑皮层表面配准的球形超快图形注意力框架

Jul, 2023

SUGAR: 大脑皮层表面配准的球形超快图形注意力框架

SUGAR: Spherical Ultrafast Graph Attention Framework for Cortical Surface Registration

Jianxun Ren, Ning An, Youjia Zhang, Danyang Wang, Zhenyu Sun...

TL;DR此文提出了一种名为 SUGAR 的基于 U-Net 的球形图注意力网络的统一无监督深度学习框架，用于刚体和非刚性配准，相比于传统和基于学习的方法，具有更高的配准性能和处理速度，在大规模神经影像研究中具有重要意义。

Abstract

cortical surface registration plays a crucial role in aligning cortical functional and anatomical features across individuals. However, conventional registration algorithms are computationally inefficient. Recently, learning-based registration algorithms have emerged as a promising sol

cortical surface registration learning-based algorithms unsupervised deep-learning framework distortion control neuroimaging

发现论文，激发创造

ACSGRegNet：基于深度学习的腰椎 CT 联合仿射和变形配准的无监督框架，通过交叉自注意融合实现

该研究提出了一种新的基于深度学习的框架 ——ACSGRegNet，该框架通过集成交叉关注模块和自关注模块来实现无监督的仿射和差分变形配准，通过在脊柱 CT 图像上进行广泛的实验，已经取得了比现有方法更好的结果。

Aug, 2022

基于几何深度学习的无监督多模态表面配准

该研究介绍了 GeoMorph，一种用于皮层表面图像配准的新型几何深度学习框架。通过应用图卷积进行独立特征提取和深度离散注册，GeoMorph 能够捕捉重要的皮层表面特征，并实现平滑且符合生物学的变形，展现出出色的性能和潜力，适用于多种神经科学应用。

Nov, 2023

SUGAR: 带强化池化和自监督互信息机制的子图神经网络

本文提出 SUGAR 算法，采用层次子图选择和嵌入来学习更有判别力的子图表示，并通过奖励池化机制和自监督互信息机制来提高模型的泛化能力和解释性。在六个典型的生物信息学数据集上进行的实验表明，SUGAR 算法具有竞争性的性能和可解释性，能够显著提高模型的质量。

Jan, 2021

SUGAR: 基于资源感知图划分的高效子图级训练

通过资源感知的图分割 (SUGAR) 提出了根据子图级别进行有效训练的方法，在五个图基准测试上进行了实验，结果表明 SUGAR 可以在大规模图上实现高达 33 倍的运行时间加速和 3.8 倍的内存减少，为开发适合于物联网部署的资源有效的 GNN 方法开辟了新的研究方向。

Jan, 2022

GAFAR：基于图注意力特征增强的快速轻量级的点集配准算法

本篇论文提出了一种基于点云 CNN 和注意力机制的点云配准方法，考虑了点云的自旋转性和排列不变性，并证明了该方案在鲁棒性、效率和通用性方面的优越性。

Jul, 2023

JOSA：大脑几何与功能联合基于表面的配准和图谱构建

JOSA 是一种新颖的皮层注册框架，它同时建模几何和功能之间的不匹配，以及学习一个无偏的人口特异性地图，从而在几何和功能方面实现了优于现有方法的注册性能。

Oct, 2023

基于深度图匹配的稳健点云配准框架

本文提出了一种基于深度图匹配的 3D 点云注册框架，通过先将点云转化为图并提取每个点的深度特征，再用深度图匹配计算软对应矩阵，从而找到更正确的对应关系，实现了在有离群点和时间约束而没有好的变换初始化时的 3D 点云快速注册。

Mar, 2021

通过递归变形学习从婴儿脑 MRI 重建具有球面拓扑的皮层表面

通过深度学习方法，本研究提出了一种高效的同时进行大脑皮层表面重建与球形映射的方法，有效地改善了婴儿脑 MRI 的网格规则性和几何误差，超过了最先进的深度学习方法，并保持了较高的计算效率。

Dec, 2023

形态图匹配网络（SGM-net）：统计形态分析的配准

本文通过使用一种新颖的神经网络结构和基于弹性形状度量的无监督损失函数，解决了数据对象形状图之间的点和边的约束注册问题，实现了与基准方法相比具有最先进的匹配性能并且计算成本下降一个数量级。

Aug, 2023

SPHEAR：球面头部注册用于完整统计三维建模

我们提出了一种准确、可微分的参数化统计 3D 人头模型 SPHEAR，通过基于球形嵌入的新型 3D 注册方法实现。SPHEAR 不仅可以采样不同的合成头部形状和面部表情，还可以表示凝视方向、高分辨率彩色纹理、表面法线图和具体的发型切割，可用于自动逼真的视觉数据生成、语义注释和通用重建任务，与最先进的方法相比，我们的组件快速且存储效率高，实验证明了我们设计选择的合理性以及注册、重建和生成技术的准确性。

Nov, 2023