磁共振成像中的深度预测运动追踪：在胎儿成像中的应用

胎儿磁共振成像（MRI）受不可控、幅度大且不规则的胎儿运动所困扰。因此，其通过视觉监测胎儿运动并重复采集以确保获得诊断级图像。然而，基于显示切片的胎儿运动视觉监测，以及栈式切片层面的导航效率低下。当前流程高度依赖操作员，增加了扫描仪使用时长与成本，并显著延长胎儿 MRI 扫描时间，使其难以被孕妇耐受。为助力构建自动 MRI 运动追踪与导航系统以克服当前流程局限并改善胎儿成像，我们开发了一种基于深度学习的新型实时图像运动追踪方法，该方法直接从采集图像中学习预测胎儿运动。我们的方法基于循环神经网络，由空间与时间编码器-解码器组成，从采集切片序列提取的解剖特征中推断运动参数。我们在留出测试集（含不同特征数据，如不同孕龄胎儿及志愿者记录的运动轨迹）上将训练网络与用于估计的网络及既有预测方法比较。结果显示，我们的方法优于替代技术，并实现实时性能，估计与预测任务的平均误差分别为 3.5 与 8 度。我们的实时深度预测运动追踪技术可用于评估胎儿运动、引导切片采集，以及构建胎儿 MRI 导航系统。