SurfNet：通过耦合的微分同胚变形重建大脑皮层表面

《IEEE Transactions on Medical Imaging》：SurfNet: Reconstruction of Cortical Surfaces via Coupled Diffeomorphic Deformations

通过联合优化白灰质界面内表面、皮层外表面和中厚度表面，提出基于变形映射与拓扑正则化的皮质表面重建方法，显著提升重建精度和计算效率，在ADNI、HCP等数据集上验证优于现有方法。

　　

摘要：

为了实现从脑部磁共振图像（MRI）中快速准确地重建大脑皮层表面，我们开发了一种方法，该方法能够联合重建内部（白质-灰质界面）、外部（软脑膜）和中间厚度表面，并通过它们之间的相互依赖性进行优化。与大多数现有方法不同，我们的方法不是分别重建这些表面而不考虑它们之间的依赖性，而是共同学习三种微分同胚变形，以使中间厚度表面位于内部和外部皮层表面之间，并分别向内部和外部皮层表面进行变形。通过正则化项来确保皮层厚度的非负性和耦合表面变形的对称循环一致性，从而促使表面具有球形拓扑结构。这种皮层表面的联合重建还有助于根据表面上每个顶点的微分同胚变形轨迹准确估计皮层厚度。验证实验表明，我们的方法在准确性和表面拓扑正确性方面，在包括ADNI、HCP和OASIS在内的大规模MRI数据集上达到了先进的皮层表面重建性能。代码可在以下链接获取：https://github.com/MLDataAnalytics/SurfNet。

引言

从结构性MRI中重建皮层表面（CSR）被广泛用于神经退行性疾病[1]、[2]、[3]和心理障碍[4]的成像研究，以定量描述皮层形态。从解剖学上看，人类大脑皮层具有二维卷曲片层的拓扑结构（即一个没有把手或孔的封闭流形）[5]，由大脑皮层灰质（GM）和白质（WM）之间的内部（白质）表面以及脑脊液（CSF）和GM之间的外部（软脑膜）表面界定。由于脑部MRI中的部分体积效应和大脑皮层的高度折叠结构，基于体素的分割方法无法准确捕捉其复杂的形态[5]、[6]。一些成熟的CSR方法，如FreeSurfer[5]、BrainSuite[7]和HCP结构流程[8]，可以从脑部MRI中重建出三角形网格表示的皮层表面。然而，这些方法由于依赖于多种计算密集型的几何或图像处理算法，因此计算成本高且处理时间较长。此外，这些方法可能需要手动编辑才能达到亚体素级的精度。例如，FreeSurfer平均需要6小时来重建单个受试者的皮层表面[5]。