基于模板的皮层表面重建与最小能量变形

于红博

摘要: 磁共振成像（MRI）的皮层表面重建（CSR）对于神经影像分析至关重要，能够实现对大脑皮层形态的研究和功能性脑部映射。基于学习的最新进展使得CSR大大加速处理速度，可以在几秒钟内通过解剖模板的变形进行重建。然而，确保所学习的变形在变形能量方面最优，并且在训练中具有一致性，仍然是一个特别具有挑战性的问题。在这项工作中，我们设计了一个最小能量变形（MED）损失，作为对变形轨迹的正则化器，并与CSR中广泛使用的Chamfer距离相辅相成。我们将其纳入最近的V2C-Flow模型，并展示了在以前被忽视的训练一致性和可重复性方面的显著改善，而不损害重建准确性和拓扑正确性。

更新时间: 2025-09-18 10:41:39

领域: cs.CV,cs.AI,cs.LG,q-bio.NC,stat.ML

下载: http://arxiv.org/abs/2509.14827v1