V2C-Long: Longitudinal Cortex Reconstruction with Spatiotemporal Correspondence

要約

縦方向の磁気共鳴画像法（MRI）から皮質を再構築することは、人間の脳の形態学的変化を分析するために不可欠です。
深い学習を伴う皮質表面再建の最近の進歩にもかかわらず、縦断的データから生じる課題は依然として永続的です。
特に、高度に複雑な脳表面間の強い空間的ポイントの対応の欠如は、解剖学的位置が正確に一致しない場合、局所的な形態が直接匹敵しないため、下流の分析を妨げます。
この問題に対処するために、縦MRIの最初の専用の深い学習ベースの皮質再建法であるV2C-Longを提示します。
V2Cロングは、被験者と訪問にわたって強い固有の空間的対応を示し、それにより表面ベースの後処理の必要性を減らします。
再構成中に、2つの深いテンプレートと変形ネットワークの構成とメッシュ空間内の被験者内テンプレートの革新的な集約を介して、この対応を直接確立します。
2つの大規模なニューロイメージング研究でV2Cロングを検証し、表面の精度、一貫性、一般化、テスト再テストの信頼性、および感度に焦点を当てています。
結果は、既存の方法と比較して、縦断的な一貫性と精度の大幅な改善を明らかにしています。
さらに、アルツハイマー病における縦方向の皮質萎縮の強力な証拠を縦方向のフリーザーファーよりも示します。

要約(オリジナル)

Reconstructing the cortex from longitudinal magnetic resonance imaging (MRI) is indispensable for analyzing morphological alterations in the human brain. Despite the recent advancement of cortical surface reconstruction with deep learning, challenges arising from longitudinal data are still persistent. Especially the lack of strong spatiotemporal point correspondence between highly convoluted brain surfaces hinders downstream analyses, as local morphology is not directly comparable if the anatomical location is not matched precisely. To address this issue, we present V2C-Long, the first dedicated deep learning-based cortex reconstruction method for longitudinal MRI. V2C-Long exhibits strong inherent spatiotemporal correspondence across subjects and visits, thereby reducing the need for surface-based post-processing. We establish this correspondence directly during the reconstruction via the composition of two deep template-deformation networks and innovative aggregation of within-subject templates in mesh space. We validate V2C-Long on two large neuroimaging studies, focusing on surface accuracy, consistency, generalization, test-retest reliability, and sensitivity. The results reveal a substantial improvement in longitudinal consistency and accuracy compared to existing methods. In addition, we demonstrate stronger evidence for longitudinal cortical atrophy in Alzheimer’s disease than longitudinal FreeSurfer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google