TractShapeNet:基于3D轨迹点云的高效多形状学习
原文中文,约500字,阅读约需2分钟。发表于: 。本研究解决了利用深度学习模型计算大脑白质连接形状度量的难题。我们提出了一个新框架TractShapeNet,它通过轨迹的点云表示计算形状度量并在大规模数据集上进行评估,结果显示其在计算效率和准确性上超越了传统方法。此工作为脑功能与结构研究提供了更高效的工具,可能推动相关领域的研究进展。
我们提出了TractGeoNet框架,结合几何深度学习和扩散磁共振成像进行回归。该方法通过点云表示和新损失函数提升预测性能,并识别白质纤维束中的关键区域。评估结果显示,TractGeoNet在806名受试者的数据集中优于传统回归模型,尤其在语言性能评估中表现突出。