대뇌 표면 정합·대응관계 학습을 위한 구면 등록/코레스폰던스 연구

Cortical Surface Registration and Correspondence Learning with Spherical Methods

연구 내용

대뇌 곡면의 대응관계를 비정렬 상태에서도 비지도·반지도 방식으로 추정하고 변형 왜곡을 줄이는 연구입니다.

대뇌 피질 표면에서 warp distortion이 다운스트림 형태 분석에 주는 편향을 줄이기 위해, 구면 도메인에서 등록(registration)과 대응(correspondence)을 함께 최적화하는 방법을 개발합니다. Spherical harmonics로 속도장이나 변형장을 분해해 관측된 회전 성분을 보존하도록 하고, diffeomorphic framework를 통해 부드러운 변환과 자기교차 문제를 제어합니다. 또한 particle optimization 기반 형태 대응과, spectral attention을 갖는 score-guided diffusion 과정으로 확률적 대응을 모델링하여, 단일 기준 정렬에 의존하는 한계를 완화합니다.

관련 프로젝트

2건

연구 흐름

초기에는 Spherical harmonics를 이용해 단순 정렬 절차 없이 비지도 cortical surface registration을 학습하는 접근을 수행했습니다. 이후 temporal lobe resection 맥락에서 대응 문제를 계층적 particle optimization으로 풀어, 형태 유사도와 대응 품질을 개선하는 방향으로 확장했습니다. 최근에는 SPHARM-Reg처럼 joint rigid/non-rigid 정렬을 diffeomorphic 설계로 통합하고, rotation-preserving smoothing을 위한 velocity encoding을 제안했습니다. 더 나아가 spectral attention 기반 spherical diffusion으로 score-guided correspondence를 구성해, 대응의 불확실성을 함께 다루는 연구로 발전했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

대뇌 표면 정합
비지도 표면 등록
회전 보존 변형 추정
warp distortion 저감
diffeomorphic correspondence
속도장 기반 변형 최적화
대뇌 atlas 매핑
수술 부위 대응 품질 평가
확률적 코레스폰던스 추정
표면 형태 통계 분석 전처리