Cortical Surface Diffusion Generative Models

要約

神経障害や発達障害に対する潜在的な影響を考えると、皮質表面分析はますます注目を集めています。
従来の視覚拡散モデルは、自然な画像の生成には効果的ですが、データセットが限られているため、神経画像処理で複雑な発達パターンを捕捉するには限界があります。
これは、皮質形態の個人差が大きい皮質表面の生成に特に当てはまり、脳の発達と異なる個人に固有の多様な多様性をモデル化するためのより良い方法が緊急に必要とされています。
この研究では、主要なアーキテクチャとして修正された表面視覚変換器を使用して、皮質表面メトリクスを生成するための新しい拡散モデルを提案しました。
私たちは開発中のヒューマン コネクトーム プロジェクト (dHCP) で私たちの手法を検証し、その結果、私たちのモデルが進化する皮質表面の複雑な詳細を捕捉する際に優れたパフォーマンスを実証していることが示唆されました。
さらに、私たちのモデルは、スキャン時に月経後年齢（PMA）に基づいて調整された皮質表面の高品質で現実的なサンプルを生成できます。

要約(オリジナル)

Cortical surface analysis has gained increased prominence, given its potential implications for neurological and developmental disorders. Traditional vision diffusion models, while effective in generating natural images, present limitations in capturing intricate development patterns in neuroimaging due to limited datasets. This is particularly true for generating cortical surfaces where individual variability in cortical morphology is high, leading to an urgent need for better methods to model brain development and diverse variability inherent across different individuals. In this work, we proposed a novel diffusion model for the generation of cortical surface metrics, using modified surface vision transformers as the principal architecture. We validate our method in the developing Human Connectome Project (dHCP), the results suggest our model demonstrates superior performance in capturing the intricate details of evolving cortical surfaces. Furthermore, our model can generate high-quality realistic samples of cortical surfaces conditioned on postmenstrual age(PMA) at scan.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google