皮質ODE:神経ODEによる皮質表面再構成の学習【JST・京大機械翻訳】

Ma Qiang; Li Liu; Robinson Emma C.; Kainz Bernhard; Rueckert Daniel; Alansary Amir

プレプリント

J-GLOBAL ID：202202206623302905 整理番号：22P0290941

皮質ODE:神経ODEによる皮質表面再構成の学習【JST・京大機械翻訳】

CortexODE: Learning Cortical Surface Reconstruction by Neural ODEs

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月16日プレプリントサーバーでの情報更新日： 2022年09月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

皮質表面再構成のための深い学習フレームワークであるCortexODEを提示した。CortexODEは,神経常微分方程式(ODE)を利用して,拡散型フローを学習することにより,入力表面をターゲット形状に変形させる。表面上の点の軌跡をODEとしてモデル化し,それらの座標の導関数を学習可能Lipschitz連続変形ネットワークを介してパラメータ化した。これは,自己断面の防止のための理論的保証を提供する。CortexODEは自動学習ベースパイプラインに統合でき,5秒以下で皮質表面を再構成する。パイプラインは,3D U-Netを利用して,脳磁気共鳴映像法(MRI)スキャンから白質セグメンテーションを予測し,さらに,初期表面を表す符号付き距離関数を生成した。高速トポロジー補正を導入して,球に対するホメオ写像を保証した。等表面抽出段階に続いて,2つのCortexODEモデルを,それぞれ,初期表面を白質と表面へ変形するために訓練した。提案したパイプラインは,新生児(25-45週),若年成人(22-36歳)および高齢被験者(55-90歳)を含むさまざまな年齢群における大規模神経画像データセットで評価した。著者らの実験は,CortexODEベースのパイプラインが,従来の処理パイプラインと比較して,平均幾何学的誤差が0.2mm未満であり,一方,大きさが1桁速いことを示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

医用画像処理 , 中枢神経系

, , ,

前のページに戻る