Vox2Cortex:幾何学的深層ニューラルネットワークによる3D MRIスキャンからの皮質表面の高速明示的再構成【JST・京大機械翻訳】

Bongratz Fabian; Rickmann Anne-Marie; Polsterl Sebastian; Wachinger Christian

プレプリント

J-GLOBAL ID：202202208347392833 整理番号：22P0306096

Vox2Cortex:幾何学的深層ニューラルネットワークによる3D MRIスキャンからの皮質表面の高速明示的再構成【JST・京大機械翻訳】

Vox2Cortex: Fast Explicit Reconstruction of Cortical Surfaces from 3D MRI Scans with Geometric Deep Neural Networks

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 (4件)： , , ,
資料名：
発行年： 2022年03月17日プレプリントサーバーでの情報更新日： 2022年03月18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)

脳磁気共鳴イメージング(MRI)スキャンからの皮質表面の再構成は,皮質厚さと溝形態の定量的分析に必須である。伝統的および深い学習ベースのアルゴリズムパイプラインは,この目的のために存在しているが,それらは,2つの主要な欠点がある:メッシュ抽出およびトポロジー補正(深層学習ベース)のような,複数時間(伝統的)または複雑な後処理の長い実行時間。本研究では,これらの問題の両方を取り上げ,皮質の境界のトポロジー的に正しい3次元メッシュを直接生成する深層学習ベースアルゴリズムであるVox2Cortexを提案した。Vox2Cortexは,入力MRIスキャンによって表された皮質の高密度に折畳まれた形状に初期テンプレートを変形するために,畳込みとグラフ畳込みニューラルネットワークを leverageした。3つの脳MRIデータセットに関する広範囲な実験において,著者らのメッシュが,時間-および資源-集約後処理を必要とせずに,現場で最先端の方法で再構成されたものと同様に正確であることを示した。厳密に折畳まれた皮質を正確に再構成するために,テスト時間で約168000の頂点を含むメッシュを用いて,新しいレベルに対して深い明示的再構成法をスケーリングする。【JST・京大機械翻訳】

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

人工知能 , 医用画像処理

, , , , , ,

前のページに戻る