JOSA: Joint surface-based registration with atlas construction enables accurate alignment of the brain geometry and function

要約

表面ベースの皮質位置合わせは、医用画像解析における重要なトピックであり、多くの下流アプリケーションを促進します。
皮質位置合わせに対する現在のアプローチは、主に溝の深さや曲率などの幾何学的特徴によって推進されており、多くの場合、折り畳みパターンの位置合わせが脳機能の位置合わせにつながると想定されています。
しかし、被験者間の解剖学的に対応する領域の機能のばらつきは、特に高次の認知領域で広く報告されています。
この研究では、形状と機能の間の不一致を共同でモデル化し、同時に偏りのない集団固有のアトラスを学習する新しい皮質登録フレームワークである JOSA を紹介します。
JOSA は、半教師ありトレーニング戦略を使用して、推論時に関数データを必要とせずに、形状と関数の両方で優れた位置合わせパフォーマンスを実現します。
この学習フレームワークは、パーセルレーション、アーキテクチャの同一性、トランスクリプトーム情報、分子プロファイルなど、トレーニング中には利用可能だが推論中に取得するのが困難または不可能な球状位置合わせをガイドする任意の補助データに拡張できます。

要約(オリジナル)

Surface-based cortical registration is an important topic in medical image analysis and facilitates many downstream applications. Current approaches for cortical registration are mainly driven by geometric features, such as sulcal depth and curvature, and often assume that registration of folding patterns leads to alignment of brain function. However, functional variability of anatomically corresponding areas across subjects has been widely reported, particularly in higher-order cognitive areas. In this work, we present JOSA, a novel cortical registration framework that jointly models the mismatch between geometry and function while simultaneously learning an unbiased population-specific atlas. Using a semi-supervised training strategy, JOSA achieves superior registration performance in both geometry and function without requiring functional data at inference. This learning framework can be extended to any auxiliary data to guide spherical registration that is available during training but is difficult or impossible to obtain during inference, such as parcellations, architectonic identity, transcriptomic information, and molecular profiles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google