SimCortex：无碰撞同时皮层表面重建-计算机科学-皮质表面重建-几何深度学习.pdf

SimCortex：无碰撞同时皮层表面重建

KavehMoradkhani,RJarrettRushmore,andSylvain

Bouix

DepartmentofSoftwareEngineeringandInformationTechnology,

Écoledetechnologiesupérieure,Montreal,QC,Canada

kaveh.moradkhani.1@ens.etsmtl.ca,sylvain.bouix@etsmtl.ca

DepartmentofAnatomyandNeurobiology,

BostonUniversitySchoolofMedicine,Boston,MA,USA

rushmore@

本

译摘要准确的脑皮层表面重建对于可靠的神经解剖分析至关重要。当前的方

中法必须应对复杂的皮层几何结构，严格的拓扑要求，并且经常会产生具有重

1叠、自相交和拓扑缺陷的表面。为了解决这些问题，我们引入了SimCortex，

v这是一种深度学习框架，可以从T1加权（T1w）MRI体积中同时重建所

5

5有大脑表面（左/右白质和脑膜），同时保持其拓扑属性。我们的方法首先

9将T1w图像分割成九类组织标签图。从这些分割结果中，我们生成特定受

6试者、无碰撞的初始曲面网格。这些曲面作为后续多尺度微分变形的精确

0

.初始化。通过使用缩放和平方积分的静止速度场（SVFs），我们的方法确

7

0保了平滑且保持拓扑结构的变换，并显著减少了表面碰撞和自相交。在标

5准数据集上的评估表明，SimCortex大幅减少了表面重叠和自相交，超过

2了当前的方法并保持了最先进的几何准确性。

:

v

i

xKeywords:皮质表面重建·脑分割·几何深度学习·脑MRI·3D

r

a深度学习。

1介绍

精确的从MRI数据中重建皮层表面，使得对关键形态测量特征——皮

层厚度、曲率和沟回深度进行精准测量成为可能，这些特征对于神经影像分

析具有不可估量的价值。然而，皮层几何结构的内在复杂性，加上部分体积

效应（PVE）[1]和严格的球形拓扑要求[5]，给实现解剖学上和拓扑学上

准确的表面重建带来了巨大挑战。

传统方法，如FreeSurfer[7],BrainSuite[17]和CIVET[13]，依赖于基

于体素的分割管道，随后进行显式的网格建模。这些方法计算密集且每名受

2K.Moradkhanietal.

试者需要