Jan, 2024

基于模板的 MRI 皮层表面重建的神经变形场

PDF
TL;DRVox2Cortex-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。
cortical surfacesmrivox2cortex-flowmesh-deformation techniquecortex reconstruction
发现论文，激发创造
  • CorticalFlow: 一种用于大脑皮层表面重建的可形变网格变形模块

    本文提出了一种新的几何深度学习模型 CorticalFlow，用于 3D 图像到目标物体的畸变，其具有小 GPU 内存占用，生成数十万个顶点的表面及降低拓扑级别错误的特点。该模型在大脑皮层表面重建等方面具有卓越的表现和临床价值。

    Jun, 2022

  • Vox2Cortex: 基于几何深度神经网络的 3D MRI 扫描皮层表面快速显式重构

    本论文提出了一种名为 Vox2Cortex 的基于深度学习的算法，直接从 MRI 扫描中提取顶部正确且三维网格化的大脑皮层界面，相较于传统和基于深度学习的算法更快速、更精准。

    Mar, 2022

  • V2C-Long：带时空对应的纵向皮层重建

    使用深度学习方法的 V2C-Long 重建了长期 MRI 上的皮层表面，并且通过建立强大的时空对应关系，提高了对阿尔茨海默病中区域性皮质萎缩的敏感性。

    Feb, 2024

  • 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

  • CortexMorph: 基于 VoxelMorph 的可形变配准实现快速的皮质厚度估计

    该研究提出了 CortexMorph 方法，该方法利用无监督深度学习直接回归 DiReCT 所需的变形场，结合深度学习的分割模型，可以在几秒钟内从 T1 加权图像中估计区域厚度，同时保持检测皮层萎缩的能力。

    Jul, 2023

  • DeepCSR：一种用于大脑皮层表面重建的三维深度学习方法

    本文提出了一种基于深度学习的 3D 框架 DeepCSR，用于从 MRI 中重建大脑皮层，并在清晰地捕捉皮层折叠的同时，能够高效地重建皮层表面，比 FreeSurfer 和 FastSurfer 更准确更快。

    Oct, 2020

  • 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

  • 皮层表面扩散生成模型

    在这项研究中，我们提出了一种基于修改后的表面视觉转换模型作为主要架构的新型扩散模型，用于生成大脑皮层表面度量。我们在发育中的人类连接组计划 (dHCP) 中验证了我们的方法，结果表明我们的模型在捕捉变化中的大脑皮层表面的复杂细节方面表现出优越性能。此外，我们的模型可以在扫描时根据孕周龄 (PMA) 生成高质量、逼真的皮层表面样本。

    Feb, 2024

  • 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

  • FastSurfer -- 快速准确的基于深度学习的神经影像处理管道

    本研究基于深度学习提出了一种快速准确的神经影像处理流程，用于自动处理结构人脑 MRI 扫描。我们在 95 个类别中引入多元切片信息聚合，利用竞态稠密块和竞态跳跃路径实现局部和全局竞争，并通过将大脑标签直接映射到表面实现了皮质表面建模和厚度分析。在多个数据集中进行了广泛的验证，证明了该方法的高精度、高可靠性和高灵敏性。

    Oct, 2019