一个以先前知识为导向的卷积神经网络模型,用于预测MRI的胎儿大脑年龄在第二和第三个三个月
Fangmei Zhu1, Shijie Huang2, Xue Tang3
1Department of Radiology, Affiliated Hangzhou First People's Hospital, Westlake University School of Medicine, No.261, Huansha Road, Hangzhou, Zhejiang, 310006, China.
BMC pregnancy and childbirth
|December 12, 2025
概括
一个卷积神经网络 (CNN) 从MRI扫描中准确估计胎儿的大脑年龄. 这种人工智能驱动的方法与实际的大脑年龄有很高的相关性,有助于怀孕管理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 胎儿的发育 胎儿的发育
背景情况:
- 估计胎儿大脑年龄对于监测怀孕健康至关重要.
- 目前的方法可能在准确性和精度上有局限性.
- 先进的计算模型为改善胎儿年龄评估提供了潜力.
研究的目的:
- 用MRI评估一个卷积神经网络 (CNN) 模型来估计胎儿大脑年龄.
- 评估CNN模型在怀孕第二和第三季度的准确性和可靠性.
- 通过精确的胎儿年龄预测,探索AI在优化产前护理方面的潜力.
主要方法:
- 从怀孕22-39周使用了407个T2加权的胎儿MRI扫描 (2310个堆).
- 采用了先前的知识导向CNN模型来预测大脑年龄.
- 使用林的一致性相关系数 (ρc) 和R2得分对第一季度超声波进行验证的预测.
主要成果:
- 在CNN模型中,平均绝对误差 (MAE) 为4.62±3.31天.
- 与参考标准有很强的一致性 (ρc = 0.977) 和高相关性 (R2 = 0.953).
- 在准确性和细分方面表现优于现有的方法,具有显著的统计差异 (P<0.001).
结论:
- 一个以知识为导向的CNN模型从MRI扫描中准确预测胎儿大脑年龄.
- 该模型的高准确性和相关性表明其在临床环境中的实用性.
- 这项技术具有显著的潜力,可以提高怀孕管理和结果.
