FetDTIAlign：一种用于胎儿脑部 dMRI 仿射与可变形配准的深度学习框架

扩散 MRI（dMRI）为子宫内胎儿脑部微结构提供了独特的见解。纵向和横断面的胎儿 dMRI 研究可以揭示关键的神经发育变化，但需要跨扫描和跨受试者的精确空间对齐。由于数据质量低、大脑发育迅速以及解剖标志有限，这一任务颇具挑战。现有的配准方法是为高质量成人数据设计的，难以应对这些复杂性。为了解决这个问题，我们引入了 FetDTIAlign，这是一种用于胎儿脑部 dMRI 配准的深度学习方法，能够实现精确的仿射和可变形对齐。FetDTIAlign 具有双编码器架构和基于迭代特征的推理，减少了噪声和低分辨率的影响。它在每个配准阶段优化网络配置和领域特定特征，增强了鲁棒性和准确性。我们在 23 至 36 周孕期的数据上验证了 FetDTIAlign，覆盖了 60 个白质纤维束。它始终优于两种经典的基于优化的方法和一个深度学习流程，实现了更优的解剖对应关系。在来自发育中人类连接组计划的外部数据上的进一步验证证实了其跨采集协议的可推广性。我们的结果证明了深度学习用于胎儿脑部 dMRI 配准的可行性，为经典技术提供了一种更准确、更可靠的替代方案。通过实现精确的跨受试者和特定纤维束分析，FetDTIAlign 支持早期大脑发育的新发现。