基于物理分辨率的胎儿大脑MRI的有效细分
Yunzhi Xu1, Jiaxin Li1, Xue Feng2
1Key Laboratory for Biomedical Engineering of Ministry of Education, College of Biomedical Engineering & Instrument Science, Zhejiang University, Hangzhou, China.
Medical physics
|July 15, 2024
概括
使用磁共振成像 (MRI) 物理分辨率,可以实现精确的胎儿大脑细分. 一个深度学习模块可以实现高明显分辨率的细分,从而产生更小,更快的模型,精度损失微不足道.
科学领域:
- 医疗成像医学成像
- 神经科学是一个神经科学.
- 人工智能的人工智能
背景情况:
- 胎儿大脑磁共振成像 (MRI) 解析度影响大脑发育的措施.
- 重建的3D胎儿大脑MRI通常显示的明显分辨率高于原始的物理分辨率.
研究的目的:
- 根据MRI物理分辨率证明精确的胎儿大脑细分.
- 使用简单的深度学习模块实现高明显分辨率的细分.
主要方法:
- 以150名成人和80名胎儿大脑MRI进行的回顾性研究.
- 低采样高分辨率成年人MRI以评估细分精度影响.
- 估计胎儿MRI物理分辨率,下采样图像,并使用上采样策略进行恢复.
- 评估了ConvNet模型在原始和下采样图像上的细分精度,使用Dice系数.
主要成果:
- 当明显分辨率超过物理分辨率时,胎儿大脑细分精度的微不足道下降 (0.26%1.8%的减少,采样下降因子为4/3,2和4).
- 拟议的方法产生了7倍小和10倍快的模型,降低样本系数为4.
- 与原始数据相比,准确度没有显著差异.
结论:
- 可以开发出高效准确的胎儿大脑细分模型.
- 模型应基于MRI采集的物理分辨率.


