胎儿-BET:用于胎儿MRI的大脑提取工具

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MRI对于产前神经发育研究至关重要.
• 精确的胎儿大脑提取对于计算分析至关重要,但由于胎儿的位置,运动和解剖变异性而具有挑战性.
• 现有的方法在各种胎儿MRI序列中缺乏准确性.

研究的目的:

• 开发一种准确和可通用的方法,从MRI序列中自动提取胎儿大脑.
• 为了克服现有技术在处理胎儿运动,各种解剖学和各种成像条件方面的局限性.
• 创建一个强大的深度学习解决方案,用于精确的胎儿大脑划分.

主要方法:

• 处理了大约72,000张2D胎儿大脑MRI图像的大数据集,涵盖T2加权,扩散加权和功能性MRI序列.
• 开发并验证了使用U-Net架构,注意力机制,多模式特征学习和数据增强的深度学习模型.
• 这些方法在使用不同扫描仪获取的正常和病态大脑数据上进行了训练.

主要成果:

• 开发的深度学习方法在各种扫描仪和中心的异质测试数据上实现了精确的胎儿大脑提取.
• 这种方法在不同妊娠阶段和病态胎儿大脑上表现出强度.
• 该方法的通用性在独立数据集上得到证实,在各种条件下显示出高性能.

结论:

• 拟议的深度学习解决方案通过利用多模式数据,在各种胎儿MRI序列中精确地划分胎儿大脑.
• 该模型的稳定性和准确性为推进胎儿大脑成像分析提供了重大潜力.
• 这项工作为产前神经成像研究和临床应用提供了宝贵的工具.