基于深度神经网络的胎儿脑 MRI 线性径线自动测量

及时、准确且可靠的胎儿脑发育评估对于降低胎儿与母亲的短期及长期风险至关重要。胎儿 MRI 正日益用于胎儿脑评估。用于胎儿脑评估的三个关键生物测量线性径线为脑双顶径（CBD）、骨双顶径（BBD）和小脑横径（TCD），由专家放射科医师在参考切片上手动获取，这耗时且易受人误影响。本研究旨在开发一种从胎儿脑 MRI 全自动计算 CBD、BBD 和 TCD 测量的方法。输入为可能包含胎儿身体与母亲腹部的胎儿脑 MRI 体积。输出为测量值及计算测量所依据的参考切片。该方法遵循手动测量原理，包含五个阶段：1）用各向异性 3D U-Net 分类器计算包含胎儿脑的感兴趣区域（ROI）；2）用卷积神经网络（CNN）选择参考切片；3）用多类 U-Net 分类器进行切片级胎儿脑结构分割；4）计算胎儿脑中矢状线与胎儿脑方位；5）计算测量值。在 214 个体积上针对 CBD、BBD 和 TCD 测量的实验结果显示，平均 $L_1$ 差异分别为 1.55mm、1.45mm 和 1.23mm，Bland-Altman 95% 置信区间（$CI_{95}$）分别为 3.92mm、3.98mm 和 2.25mm。这些结果与手动观察者间变异性相近。所提出的从 MR 影像自动计算胎儿脑生物测量线性径线的方法达到了人类水平性能。其有潜力成为一种在正常与病理情况下评估胎儿脑生物测量以及改进常规临床实践的有用方法。