» مقالات انگلیسی » Predicting infant cortical surface development using a 4D varifold-based learning framework and local topography-based shape morphing

Predicting infant cortical surface development using a 4D varifold-based learning framework and local topography-based shape morphing



شناسه مقاله
10.1016/j.media.2015.10.007
دریافت مقاله

انگلیسی

Title: Predicting infant cortical surface development using a 4D varifold-based learning framework and local topography-based shape morphing

Authors: Islem Rekik and Gang Li and Weili Lin and Dinggang Shen

Journal: Medical Image Analysis

Year: 2016

Abstract:

Abstract Longitudinal neuroimaging analysis methods have remarkably advanced our understanding of early postnatal brain development. However, learning predictive models to trace forth the evolution trajectories of both normal and abnormal cortical shapes remains broadly absent. To fill this critical gap, we pioneered the first prediction model for longitudinal developing cortical surfaces in infants using a spatiotemporal current-based learning framework solely from the baseline cortical surface. In this paper, we detail this prediction model and even further improve its performance by introducing two key variants. First, we use the varifold metric to overcome the limitations of the current metric for surface registration that was used in our preliminary study. We also extend the conventional varifold-based surface registration model for pairwise registration to a spatiotemporal surface regression model. Second, we propose a morphing process of the baseline surface using its topographic attributes such as normal direction and principal curvature sign. Specifically, our method learns from longitudinal data both the geometric (vertices positions) and dynamic (temporal evolution trajectories) features of the infant cortical surface, comprising a training stage and a prediction stage. In the training stage, we use the proposed varifold-based shape regression model to estimate geodesic cortical shape evolution trajectories for each training subject. We then build an empirical mean spatiotemporal surface atlas. In the prediction stage, given an infant, we select the best learnt features from training subjects to simultaneously predict the cortical surface shapes at all later timepoints, based on similarity metrics between this baseline surface and the learnt baseline population average surface atlas. We used a leave-one-out cross validation method to predict the inner cortical surface shape at 3, 6, 9 and 12 months of age from the baseline cortical surface shape at birth. Our method attained a higher prediction accuracy and better captured the spatiotemporal dynamic change of the highly folded cortical surface than the previous proposed prediction method.

Keywords: Infant cortical surface, Varifold metric, Cortical shape prediction, Longitudinal brain development, Surface topography

ترجمه فارسی
این متن به صورت خودکار و توسط موتور مترجم ترجمه شده است. برای سفارش ترجمه دقیق به قسمت 'سفارش ترجمه' مراجعه کنید

عنوان: پیش بینی توسعه سطح قشر مغز نوزاد با استفاده از یک چارچوب یادگیری ۴D مبتنی بر varifold و مبتنی بر توپوگرافی محلی شکلگیری شکل

نویسندگان: Islem Rekik and Gang Li and Weili Lin and Dinggang Shen

ژورنال: Medical Image Analysis

سال: ۲۰۱۶

چکیده:
چکیده روش تجزیه و تحلیل های تصویربرداری طولی قابل ملاحظه پیشرفته درک ما از رشد مغز پس از تولد زود هنگام با این حال، یادگیری مدل های پیش بینی را برای ردیابی چهارم مدار تکامل هر دو شکل قشر طبیعی و غیر طبیعی به طور گسترده وجود ندارد برای پر کردن این فاصله مهم است، ما مدل پیش بینی پیشگام طولی در حال توسعه سطوح قشر مغز در نوزادان با استفاده از یک چارچوب یادگیری فعلی مبتنی بر مکانی صرفا از سطح قشر مغز خط مبنا در این مقاله، ما جزئیات این مدل پیش بینی و حتی بیشتر با معرفی دو نوع کلید برای اولین بار بهبود عملکرد آن، ما با استفاده از varifold متریک برای غلبه بر محدودیت از متریک در حال حاضر برای ثبت نام سطح که در مطالعه اولیه ما استفاده شد ما همچنین مدل معمولی مبتنی بر varifold سطح ثبت نام برای ثبت نام دو به دو به یک مدل رگرسیون سطح فضایی و زمانی گسترش دوم، ما یک فرآیند شکلگیری سطح پایه با استفاده از ویژگی های توپوگرافی آن مانند به عنوان جهت نرمال و نشانه انحنای اصلی به طور خاص، روش ما می آموزد از داده های طولی هر دو هندسی (موقعیت راس) و پویا (مدار تکامل زمانی) ویژگی های سطح قشر مغز نوزاد، شامل یک مرحله آموزش و یک مرحله پیش بینی در مرحله آموزش، ما استفاده از مدل رگرسیون شکل مبتنی بر varifold پیشنهاد برآورد نقشه برداری قشر مغز مدار تکامل شکل برای هر موضوع آموزش ما پس از آن ساخت یک میانگین تجربی اطلس سطح فضایی و زمانی در مرحله پیش بینی، با توجه به یک نوزاد، ما را انتخاب کنید از ویژگی های بهترین دست از افراد آموزش به طور همزمان پیش بینی اشکال سطح قشر مغز در همه timepoints بعد، بر اساس معیارهای شباهت بین این سطح مطالعه و به دست جمعیت پایه متوسط ​​اطلس سطحما با استفاده از روش اعتبار سنجی متقابل مرخصی یک به پیش بینی شکل سطح قشر داخلی در ۳، ۶، ۹ و ۱۲ ماه سن از شکل سطح قشر پایه در هنگام تولد روش ما به دست آمده از دقت پیش بینی بالاتر و بهتر اسیر پویا فضایی و زمانی تغییر سطح قشر بسیار خورده از روش پیش بینی قبلی پیشنهاد
کلمات کلیدی:   سطح نوزادان قشر مغز، Varifold متریک، پیش بینی شکل قشر، توسعه طولی مغز، توپوگرافی سطح

سفارش ترجمه

سفارش ترجمه

توانایی ترجمه

توانایی ترجمه

  • فیلد های زیر را به عنوان نمونه کار ترجمه کنید. دقت کنید که کیفیت ترجمه در انتخاب شما به عنوان مترجم این مقاله موثر است.


دریافت مقاله