优化对比学习用于皮层折叠模式检测

Jan, 2024

优化对比学习用于皮层折叠模式检测

Optimizing contrastive learning for cortical folding pattern detection

Aymeric Gaudin, Louise Guillon, Clara Fischer, Arnaud Cachia, Denis Rivière...

TL;DR我们建立了一个自监督深度学习模型，用于检测扣带区域的皱褶模式，在包括人体连接组计划和英国生物银行在内的大规模数据集上进行了测试，并取得了量化的评估结果。

Abstract

The human cerebral cortex has many bumps and grooves called gyri and sulci. Even though there is a high inter-individual consistency for the main cortical folds, this is not the case when we examine the exact shapes and details of the folding patterns. Because of this complexity, chara

cerebral cortex cortical folding deep learning self-supervised model schizophrenia

发现论文，激发创造

一个 3D 可解释性框架以揭示可变沟回识别中的学习模式和关键亚区

本研究介绍了一种创新的 3D 可解释性框架，通过将本地可解释性技术 GradCam 和 SHAP 与降维方法相结合，验证了深度学习网络在检测前额媒体表面可能存在的解剖特征 —— 副扣带沟，该框架通过解释和统计特征的后融合转换，提供了局部和全局解释以及分类结果的准确性，揭示了对决策过程有贡献的相关子区域。利用来自精神分裂症患者的 TOP-OSLO MRI 数据集，发现了左侧大脑半球中副扣带沟存在与否的检测正确率较右侧更高，且各分类结果有各自明显的子区域贡献。同时，本研究无意中强调了公正的注释协议在维护网络性能公平性方面的关键作用。我们提出的方法不仅能自动、公正地注释可变的沟，还能深入了解其在整个脑部中存在的广泛解剖变化，该方法的采用有望在神经科学领域引发进一步的探索和研究。

Sep, 2023

基于自监督图卷积网络应用于细胞图的组织脑图像中揭示皮层层次

我们介绍了一种自我监督的方法，用于检测大脑皮层的 2D 尼氏染色的组织切片中的层次结构，该方法可以加速细胞构造分析，避免注释需求并推进跨物种研究。

Nov, 2023

分层复杂匹配学习产生了一个更好的 V2 皮层模型

通过在连续层上独立进行自我监督训练的自底向上方法，我们使两阶段的模型更好地与灵长类动物的 V2 区域神经活动一致，提高了对于识别对象和与人类行为相一致的一致性。

Dec, 2023

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

应用准保角映射和对比学习在围产期脑部识别形态指纹

本研究提出了一个深度学习框架，通过准保角映射将三维球面网格投影到二维平面上，利用残差神经网络和对比学习进行个体识别，发现在胎儿脑中存在形态指纹，其中感觉运动皮层和视觉皮层是最具贡献的区域，纹理形态学在识别个体方面的能力优于皮层厚度，这对于理解大脑早期发育中个体独特性的形成具有重要意义。

Nov, 2023

应用对比学习和几何展开的 3D-PLI 技术分析人类海马区的区域组织

我们通过将展开方法的最新进展与使用自我监督对比学习方法获得的深度纹理特征相结合，展示了一种新的方法来分析人类海马体在 3D-PLI 中的区域组织，我们的表示中的聚类与海马体亚区的经典描述相对应，证明了所开发的方法的有效性。

Feb, 2024

大规模生成模型的视觉探索：基于脑扩散的皮层发现

该研究通过结合大规模扩散模型和脑图像合成的方法，介绍了 BrainDiVE（Brain Diffusion for Visual Exploration），该方法有效地从自然图像和功能磁共振成像数据中合成预测激活给定脑区域的图像，并验证了 BrainDiVE 在人类视觉皮层的 fine-grained functional organization 的应用及假设驱动方法的作用。

Jun, 2023

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

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

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