用深度和机器学习技术对胎儿大脑MRI进行自动生物识别.
Jiayan She1, Haiying Huang2, Zhijun Ye1
1Key Laboratory of Birth Defects and Related Diseases of Women and Children, Ministry of Education, Department of Radiology, West China Second University Hospital, Sichuan University, Chengdu, 610041, China.
Scientific reports
|October 19, 2023
概括
这项研究引入了使用MRI扫描测量胎儿大脑发育的自动方法,提高了产前诊断的速度和准确性. 由人工智能驱动的方法提高了临床工作效率和产前诊断能力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胎儿的发育 胎儿的发育
背景情况:
- 通过MRI进行准确的胎儿大脑发育评估至关重要,但劳动密集.
- 目前的方法依赖于专家知识,限制了效率和可访问性.
研究的目的:
- 开发一种基于细分的自动化方法,通过MRI进行快速和精确的胎儿大脑生物识别测量.
- 通过手动测量来验证自动化方法的准确性和可靠性.
主要方法:
- 使用深度细分网络将胎儿大脑细分为大脑,小脑和侧心室.
- 根据临床指南自动计算关键生物识别参数 (CBPD,TCD,LAD/RAD).
- 皮尔森相关性和布兰德-阿尔特曼图表评估了自动和手动测量之间的一致性.
主要成果:
- 对于大脑双双面直径 (0.977) 和横向小脑直径 (0.990),观察到高相关系数.
- 自动测量的平均差异很小,表明与手动评估有很强的一致性.
- 测量误差和妊娠年龄之间没有发现显著的相关性.
结论:
- 该自动化方法在胎儿大脑MRI上的线性测量方面表现出色.
- 这种技术为产前诊断和临床工作流程优化提供了一个快速,准确和潜在的变革性工具.
更多相关视频
06:56Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation
Published on: January 7, 2021
2.5K
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.0K