Oct, 2023

JOSA：大脑几何与功能联合基于表面的配准和图谱构建

PDF
TL;DRJOSA 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。
发现论文，激发创造
  • 神经影像数据的一次性联合提取、注册和分割

    本文研究了神经影像数据中的一次性联合提取、配准和分割问题，提出了一种统一的端到端框架 JERS，它利用一个标记的模板图像和一些未标记的原始图像进行训练，通过自监督相互增强来优化提取、配准和分割任务。实证结果表明，我们提出的方法在提取、配准和分割任务中表现出色。

    Jul, 2023

  • 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

  • Aladdin: 基于成对对齐的联合 Atlas 建模和差异正态对齐学习

    通过卷积神经网络同时预测畸变图和恒定速度场参数化，利用成对图像对齐损失以提高医学图像配准精度，实现了 3D 膝关节磁共振成像的快速、端到端训练和测试，且表现优于其他同类算法。

    Feb, 2022

  • 大规模神经影像学研究中，异质性临床脑 MRI 扫描的皮质分析

    本研究提出了第一种方法，用于对任何分辨率和脉冲序列的临床脑 MRI 扫描进行皮层重建，配准、分割和厚度估计。

    May, 2023

  • 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

  • 基于模板的 MRI 皮层表面重建的神经变形场

    Vox2Cortex-Flow 是一种深度网格变形技术，通过学习从大脑模板到磁共振成像扫描的皮层表面的变形场，实现皮层表面的重建，并能与白质和脑膜表面共同建模。该方法在重建精度上达到了最先进水平，并提供了皮层厚度的分区和群体分析所需的一致对应关系。

    Jan, 2024

  • SUGAR: 大脑皮层表面配准的球形超快图形注意力框架

    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。

    Jul, 2023

  • SynthMorph 辅助下的结构感知和无需获取方式的联合配准

    本文介绍了一种基于深度学习的快速、稳健、易于使用的工具，用于进行任何脑图像的仿射变换和变形配准，无需预处理，即可完成。我们使用神经影像数据集仔细分析了深度学习方法，发现配准的准确性可以得到保证。同时，我们结合了变形配准和空间标签匹配来实现无需预处理的脑部解剖配准方法。

    Jan, 2023

  • NeurReg：神经注册及其在图像分割中的应用

    本研究提出了一种基于深度学习的神经映像配准框架 NeurReg，其具有位移场和数据相似性的混合损失，经过广泛实验验证表明可以快速并精确地执行图像配准和分割，可大大加快相关医学图像分析任务。

    Oct, 2019

  • JSSR: 三维多模态病理 CT 扫描的联合合成、分割和配准系统

    本文提出了一种基于端到端 3D 卷积神经网络的多任务学习系统 JSSR，用于医学图像的多模态图像配准、分割和合成，该方法能够有效捕获高级语义密集对应，优于市场上已有的相关方法。

    May, 2020