自动化面生物识别与3D T2w胎儿MRI
Jacqueline Matthew1,2, Alena Uus1, Alexia Egloff Collado1,2
1Department of Early Life Imaging, School of Biomedical Engineering and Imaging Sciences, King's College London, St Thomas' Hospital, London, United Kingdom.
PLOS digital health
|January 8, 2025
概括
这项研究引入了一种自动化的胎儿MRI方法,用于精确的面测量,识别唐氏综合征 (T21) 的胎儿的关键差异. 该管道增强了产前诊断和表征.
科学领域:
- 医疗成像医学成像
- 胎儿医学 胎儿医学
- 遗传学 遗传学 是一个
背景情况:
- 产前对面表型的评估至关重要,但由于主观性,对3D超声波具有挑战性.
- 需要自动化方法来提高胎儿面测量的准确性和效率.
研究的目的:
- 开发和验证一个用于胎儿面生物识别的自动化管道,使用3D切片对体积重建 (SVR) 胎儿MRI.
- 使用这种自动化方法,在患有唐氏综合征 (T21) 的胎儿中识别显著的面差异.
主要方法:
- 使用3D SVR胎儿MRI创建了一个基于图谱的自动标签传播管道.
- 定义了31种面生物识别,并使用了具有地标的MRI图谱进行注册和自动标记.
- 该管道在108名健康对照和24名胎儿的T21 (29-36周GA) 上进行了测试.
主要成果:
- 自动化管道在132名受试者中实现了0.3%的位置错误率.
- 七项测量,包括骨前底部长度和长度,在T21队列中显示出显著差异 (p<0.001).
- 自动测量需要5分钟,而手动测量需要25-35分钟;生成生长图表.
结论:
- 这是第一个基于亚特拉斯的自动化协议,用于使用3D SVR MRI进行胎儿面生物识别.
- 该方法准确地确定了T21胎儿的形态差异,有助于产前诊断.
- 未来的工作将集中在提高可靠性,更大的队列和技术进步,以提高产前护理.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.6K
02:42Analysis of Craniomaxillofacial Malformations in Mice Using Three-dimensional Microcomputed Tomography
Published on: January 17, 2025
227
