Fetal-BET：用于胎儿 MRI 的脑提取工具

胎儿脑提取是大多数计算胎儿脑 MRI 流程中必要的第一步。然而，由于胎儿头部姿态非标准、检查期间胎儿运动，以及发育中胎儿脑及邻近胎儿和母体解剖结构在各种序列和扫描条件下外观高度异质，这一任务极具挑战性。开发有效解决该任务的机器学习方法需要大规模且丰富的标注数据集，而此前并无此类数据可用。因此，目前尚无针对各种胎儿 MRI 序列的准确胎儿脑提取方法。在本工作中，我们首先构建了一个约 72,000 张 2D 胎儿脑 MRI 图像的大规模标注数据集。我们的数据集涵盖三种常见 MRI 序列，包括使用不同扫描仪采集的 T2 加权、扩散加权和功能 MRI。此外，它包含正常与病态脑。利用该数据集，我们开发并验证了深度学习方法，通过发挥 U-Net 风格架构、注意力机制、多对比度特征学习和数据增强的优势，实现快速、准确且可泛化的自动胎儿脑提取。我们的方法利用来自多对比度（多序列）胎儿 MRI 数据的丰富信息，实现胎儿脑结构的精确勾画。在独立测试数据上的评估表明，我们的方法在不同扫描仪采集的异质测试数据、病态脑以及不同孕周阶段上均实现了准确的脑提取。这种鲁棒性凸显了我们的深度学习模型在胎儿脑成像与图像分析中的潜在效用。