一个集成的自动框架超分辨率重建运动损坏的胎儿大脑MRI与先前的解剖学知识

科学领域:

• 医疗成像医学成像
• 神经成像是一种神经成像.
• 计算解剖学的计算解剖学

背景情况:

• 胎儿大脑MRI的超分辨率重建 (SRR) 对于产前诊断和发育评估至关重要.
• 传统的SRR方法需要人工干预,并与运动损坏的厚片数据作斗争,导致图像模糊.
• 现有的技术在提取大脑结构和处理胎儿MRI中模糊的组织边界方面受到挑战的限制.

研究的目的:

• 开发一个自动化的胎儿大脑SRR框架,集成个人和团体层面的先验.
• 为了提高超分辨率重建胎儿大脑MRI的准确性和质量.
• 克服处理运动工件和模糊边界的传统方法的局限性.

主要方法:

• 开发了一种强大的胎儿大脑提取方法,使用分段任何模型 (SAM).
• 整合组织细分衍生的解剖学先验到切片对体积的注册和体积重建.
• 采用了一种代优化方案,在注册和重建之间交替进行,以纵向胎儿大脑地图为指导.

主要成果:

• 拟议的框架显示,胎儿大脑SRR的定量和质量表现显著改善.
• 整合解剖学先验在注册过程中增强了边界对齐,并减轻了错位问题.
• 使用纵向地图集丰富了结构细节,并防止了MR图像中的异常值的重建.

结论:

• 开发的自动SRR框架有效地解决了胎儿大脑MRI重建方面的挑战.
• 整合个人和团体层面的先验显著提高了重建图像的质量和准确性.
• 这种方法对更全面的产前检查和精确的胎儿大脑发育量化有希望.