Deep-MI/FastSurfer

解决的问题

FastSurfer 为神经影像分析提供了一种快速的深度学习替代方案，可替代 FreeSurfer。它将体积分析时间大幅缩短至几分钟，表面厚度分析时间缩短至约一小时，同时保持脑部 MRI 处理的准确性。

工作原理

该流程分为两个主要组件：

1. 分割 (seg)：使用深度学习网络进行快速分割和体积计算。包括全脑（asegdkt）、胼胝体（cc）、小脑（cereb）和下丘脑（hypothal）的专用模块。
2. 表面重建 (recon-surf)：重建皮层表面，映射皮层标签，并执行点级和 ROI 厚度分析。此部分内部使用了部分 FreeSurfer 二进制文件。

此外，FastSurfer-LIT 扩展支持在提供病灶掩码时进行病灶修复（填充），有助于处理脑图像中的肿瘤或空腔。

适用人群

适用于需要从 MR 图像中计算脑统计信息以进行群体数据聚合或组间比较的神经影像学和神经科学研究人员。

主要亮点

• 高速：将体积分析时间缩短至几分钟，表面分析时间缩短至约一小时。
• 全面分割：包含全脑、小脑、下丘脑和胼胝体的专用模块。
• 高分辨率支持：支持最高 0.7mm 各向同性分辨率的图像。
• 灵活部署：可通过 Docker、Singularity/Apptainer、macOS 安装包或原生 Linux 安装使用。
• 病灶处理：通过 FastSurfer-LIT 提供病灶填充的实验性支持。