Deep-MI/FastSurfer

解決的問題

FastSurfer 為神經影像分析提供了一種快速的深度學習替代方案，可取代 FreeSurfer。它將體積分析時間大幅縮短至數分鐘，表面厚度分析時間縮短至約一小時，同時保持腦部 MRI 處理的準確性。

工作原理

此流程分為兩個主要組件：

1. 分割 (seg)：使用深度學習網路進行快速分割與體積計算。包含全腦（asegdkt）、胼胝體（cc）、小腦（cereb）和下丘腦（hypothal）的專用模組。
2. 表面重建 (recon-surf)：重建皮層表面，映射皮層標籤，並執行點級與 ROI 厚度分析。此部分內部使用了部分 FreeSurfer 二進位檔。

此外，FastSurfer-LIT 擴展支援在提供病灶遮罩時進行病灶修復（填補），有助於處理腦影像中的腫瘤或空腔。

適用對象

適用於需要從 MR 圖像中計算腦統計資訊，以進行群體資料聚合或群組比較的神經影像學與神經科學研究人員。

主要亮點

• 高速：將體積分析時間縮短至數分鐘，表面分析時間縮短至約一小時。
• 全面分割：包含全腦、小腦、下丘腦與胼胝體的專用模組。
• 高解析度支援：支援最高 0.7mm 各向同性解析度的影像。
• 彈性部署：可透過 Docker、Singularity/Apptainer、macOS 安裝套件或原生 Linux 安裝使用。
• 病灶處理：透過 FastSurfer-LIT 提供病灶填補的實驗性支援。