机构名称：
¥ 1.0
胎儿MRI广泛用于定量脑容量研究。但是，目前，缺乏普遍接受的胎儿脑部分割和分割方案。已发表的临床研究倾向于使用不同的策略方法，据报道，这些方法也需要大量耗时的手动精炼。在这项工作中，我们建议通过为3D T2W运动校正大脑图像开发新的强大深度学习胎儿脑分割管道来应对这一挑战。首先，我们使用发展中的人类连接项目的新胎儿脑MRI ATLAS定义了一种新的精制脑组织拟合方案，该方案使用了19个区域。该方案设计是基于组织学大脑图谱的证据，单个受试者3D T2W图像中结构的清晰可见性以及与定量研究的临床相关性。随后，它用作开发自动化深度学习的脑组织拟层管道，该管道在360个胎儿MRI数据集中训练有不同的获取参数，并使用半监督的方法和手动精制的标签从ATLAS中传播。管道在不同的采集方案和GA范围内证明了强大的性能。分析390名正常参与者的组织体积（妊娠年龄范围21-38周），并用三种不同的采集方案进行扫描，并未揭示生长图中主要结构的显着差异。在<15％的病例中仅存在小错误，因此显着减少了手动细化的需求。此外，有65例室性肿瘤和60例正常对照病例之间的定量比较与基于手动分割的早期工作中报道的发现一致。这些初步结果支持拟议的基于ATLAS的深度学习方法的可行性，以进行大规模体积分析。创建的胎儿脑体积百分比和带有拟议管道的Docker将在手稿出版后在线公开获得。
Bounti：3D胎儿MRI
主要关键词
相关文件推荐
