TractoGPT是一种基于GPT的全自动白质束分割方法，旨在解决脑结构连通性、神经外科规划和神经疾病研究中的挑战。该方法通过训练流线、聚类和融合数据表示，能够跨数据集泛化并保持白质束形状信息。实验结果表明，TractoGPT在DICE、重叠和覆盖得分上优于现有方法。

本研究提出了一种名为TractoEmbed的模块化多层嵌入框架，旨在解决白质束分割中的类不平衡和结构相似性问题。实验结果表明，该方法优于现有技术，具有潜在的应用价值。

本研究提出了一种新型混合卷积神经网络，集成分割与配准，成功应用于8045个白质束的分割，展现出更高的准确性和一致性。同时，文章综述了深度学习在医学图像配准中的进展，探讨了新架构和方法在临床应用中的潜力。

本研究提出了一种使用缩放残差自助法改进的白质束分割方法，能够提高模型泛化性能。实验证明，该方法在不同设置下均有效。