对胎儿大脑磁共振成像中的深度学习和人工智能模型的审查

科学领域:

• 神经成像是一种神经成像.
• 医疗人工智能 医疗人工智能
• 胎儿医学 胎儿医学

背景情况:

• 中枢神经系统 (CNS) 异常影响0.1-0.2%的活产和3-6%的死产,需要精确的胎儿大脑异常检测.
• 胎儿大脑MRI的手动细分是耗时且取决于解释者.
• 人工智能和机器学习为早期检测和改善胎儿大脑异常的诊断提供了有希望的解决方案.

研究的目的:

• 对人工智能和机器学习在胎儿大脑MRI中的应用进行叙事审查.
• 探索人工智能在胎儿大脑MRI中的自动化处理,细分和里程碑式预测中的作用.
• 总结AI在改善胎儿神经疾病的诊断准确性和随访程序方面的潜力.

主要方法:

• 对人工智能和机器学习在胎儿大脑MRI中的应用现有文献的审查.
• 对各种AI模型的分析,包括卷积神经网络 (CNN) 和U-Net,应用于胎儿大脑MRI数据.
• 检查AI在图像预处理,后处理,重建和特征提取中的实用性.

主要成果:

• 包括CNN和U-Net在内的人工智能模型在妊娠年龄 (17-38周) 的胎儿大脑MRI分析中表现出高准确性 (≥95%).
• 人工智能有助于自动化胎儿大脑细分,里程碑识别,妊娠年龄预测 (±1周) 和胎盘检测.
• 已经探索了各种机器学习分类器来分类胎儿大脑病理.

结论:

• 人工智能显著提高了胎儿大脑MRI的处理和分析,提高了诊断能力.
• 在胎儿神经成像中更广泛地采用人工智能,需要更大的,共享的数据集和医生意识的提高,特别是在神经放射学家和围产科医生中.
• 人工智能具有巨大的潜力,可以彻底改变胎儿中枢神经系统异常的早期检测和管理.