厚切片胎儿大脑MRI扫描的组织细分,以高质量的同位素体积为指导

科学领域:

• 医疗成像医学成像
• 神经科学是一个神经科学.
• 计算机视觉 计算机视觉

背景情况:

• 精确的胎儿大脑MRI细分对于理解发育和重建3D大脑体积至关重要.
• 临床胎儿MRI数据通常使用厚切片扫描,与高质量的同位素体积相比,构成细分挑战.
• 弥合不同MRI数据类型之间的域差距对于有效分析至关重要.

研究的目的:

• 开发一种可靠的方法,用于精确细分厚切片胎儿大脑MRI扫描的组织.
• 为了利用高质量的同位素胎儿大脑MR体积作为细分低质量的临床数据的指导.
• 为了解决同位素和厚切片胎儿大脑MRI数据之间的域转移挑战.

主要方法:

• 利用域适应技术将知识从高质量的同位素胎儿大脑MRI卷 (源数据) 转移到厚片扫描 (目标数据).
• 在妊娠周内注册的异型胎儿大脑MR体积,以创建纵向完整的源数据.
• 采用富里埃分解来提取图像内容和风格代码以捕获域不变特征.
• 提出了一个新的循环一致的域调整网络 (C^2DA-Net) 以实现高效的知识传输和细分.

主要成果:

• C^2DA-Net成功地使用了一组有限的注释等态卷来指导未注释的厚切片扫描的细分.
• 对372个临床获得的厚切片MRI扫描进行的广泛实验表明,与现有的最先进方法相比,其性能优越.
• 定量和定性评估证实了拟议的C^2DA-Net在提高细分精度方面的有效性.

结论:

• 在C^2DA-Net提供了一个有效的解决方案,用于精确的组织细分在厚切片胎儿大脑MRI.
• 域调整技术,特别是拟议的C^2DA-Net,对于利用各种MRI数据集至关重要.
• 这种方法具有很大的潜力,可以通过使用临床MRI数据来推进胎儿大脑发育量化和分析.