FetMRQC:一个强大的质量控制系统,用于多中心胎儿大脑MRI
Thomas Sanchez1, Oscar Esteban2, Yvan Gomez3
1CIBM - Center for Biomedical Imaging, Switzerland; Department of Diagnostic and Interventional Radiology, Lausanne University Hospital and University of Lausanne, Lausanne, Switzerland.
Medical image analysis
|July 25, 2024
概括
FetMRQC是一个新的开源工具,使用机器学习自动评估胎儿大脑MRI质量. 这一框架确保了可靠的神经成像数据,这对于理解胎儿大脑发育至关重要.
科学领域:
- 神经成像是一种神经成像.
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 胎儿大脑MRI对于诊断发育异常至关重要.
- 由于胎儿运动和各种扫描协议,图像质量通常会受到损害.
- 不一致的数据质量可能会对研究结果产生负面影响.
研究的目的:
- 介绍FetMRQC,一个开源的机器学习框架,用于自动化胎儿大脑MRI质量控制.
- 开发一个强大的系统,解决不同临床环境和扫描仪的数据变化.
- 提高胎儿神经成像研究的可靠性和解释性.
主要方法:
- 利用机器学习方法,特别是随机森林,用于图像质量预测.
- 从未处理的解剖胎儿大脑MRI扫描中提取了一组质量指标.
- 根据来自多个临床中心和扫描仪的1600多张手动评级的T2加权胎儿大脑MRI图像的大型,多样化的数据集验证了框架.
主要成果:
- FetMRQC表现出强大的性能和对未见的数据的概括,即使域移动.
- 发现该框架的预测是可解释的.
- 该系统有效地预测专家对胎儿大脑MRI质量的评分.
结论:
- FetMRQC为胎儿大脑MRI的自动化质量控制提供了可靠的解决方案.
- 这种工具增强了神经成像的稳定性,为人类大脑发育提供了更深入的见解.
- 该框架通过标准化的图像质量评估来支持更可靠的围产期诊断和研究.
