1. 从运动受损切片重建胎儿脑
胎儿运动与二维厚层采集使不同切片难以直接拼接为三维体积。我们结合切片采集模型、自监督学习与序列建模,研究无需高分辨率真值的重建方法。
-
SUFFICIENT (IEEE J-BHI):将成像物理融入无监督学习,从运动受损的厚层数据重建三维各向同性胎儿脑 MRI。
-
SAFFRON (IEEE JSTSP):以物理引导、无需标签的自监督框架,研究胎儿脑三维重建的效率与精度。
-
SVRMamba (AAAI 2025):利用切片序列引导的 Mamba 建模多组 MRI 切片之间的关系,完成切片到体积重建。
-
ASSURED (IEEE ISBI 2023):以自监督深度解码器探索胎儿脑 MRI 重建。
2. 连续发育图谱:从胎儿脑到胎儿身体
图谱不仅需要提供某个孕周的平均形态,还需要描述相邻发育阶段之间的连续变化。我们研究空间与时间的一致表征,并将这一思路从脑结构延伸到胎儿身体。
-
FoSTA (IEEE ISBI 2026):利用潜变量条件的隐式神经表示构建胎儿身体连续时空图谱,联合描述图像与解剖分区,并通过潜空间建模孕周变化与个体适配。
-
COLLATOR (Medical Image Analysis):以 INR 构建空间—时间一致的纵向图谱,使发育过程能够在连续坐标下表达。
-
连续胎儿脑图谱 (MICCAI workshop PIPPI 2022):探索基于 INR 的纵向胎儿脑图谱,为后续连续时空建模奠定基础。
-
FBA-Chinese (NeuroImage):构建中国人群孕周特异的结构胎儿脑图谱,并开展皮层发育定量分析。
-
纵向中国人群胎儿脑图谱 (IEEE EMBC 2021):研究随孕周变化的结构参考及其在胎儿脑分割中的应用。
3. 脑核团、皮层与磁化率定量分析
微小核团的定位与皮层层次的定量研究,对空间分辨率、组织对比度和跨个体对应提出了不同要求。我们结合超分辨率、定量磁化率成像(QSM)与多模态图谱,研究这些结构的表征与分割。
-
Laminar QSM (Human Brain Mapping):研究成人期脑皮层层状磁化率的变化轨迹,为分析皮层的空间差异与年龄相关变化提供定量视角。
-
PPN Atlas (Human Brain Mapping):结合自监督 MRI 超分辨率,对人类脑桥脚核进行定位与勾画。
-
MuSus-100 (Brain Structure and Function):在 MNI 空间构建定量磁化率图谱,研究富铁深部脑核团亚区的辨识。
-
DeepQSMSeg (IEEE EMBC 2021):研究基于深度学习的 QSM 皮层下核团自动分割。
-
HybraPD (Human Brain Mapping):利用帕金森病患者的多模态医学影像构建图谱,支持皮层下核团分割。
4. 定量分析方法与跨器官应用
除脑成像外,我们也研究病理图像的结构化表征、异质数据的稀疏学习,以及肺部 CT 的定量评估。这些工作关注的是从影像或特征中提取可用于研究的结构信息,而不是仅改善图像外观。