Semi-automatic segmentation of the fetal brain from Magnetic Resonance Imaging
Notice bibliographique
Résumé
Abstract Template-based segmentation techniques have been used for targeting deep brain structures in fetal MR images. In this study, two registration algorithms were compared to determine the optimal strategy of segmenting subcortical structures in T2-weighted images acquired during the third trimester of pregnancy. Adult women with singleton pregnancies (n=9) ranging from 35-39 weeks gestational age were recruited. Fetal MRI were performed on 1.5 T and 3 T scanners. Automatic fetal brain segmentation and volumetric reconstruction algorithms were performed on all subjects using the NiftyMIC software. An atlas of cortical and subcortical structures (36 weeks’ gestation) was registered into native space using ANTs (Automatic Normalization Tools) and FLIRT (FMRIB’s linear image registration tool). The cerebellum and thalamus were manually segmented. Dice coefficients were calculated to validate the reliability of automatic methods and to compare the performance between ANTs (nonlinear) and FLIRT (affine) registration algorithms compared to the gold-standard manual segmentations. The Dice-kappa values for the automated labels were compared using the Wilcoxon test. Comparing cerebellum and thalamus masks against the manually segmented masks, the median Dice-kappa coefficients for ANTs and FLIRT were 0.76 (interquartile range [IQR]= 0.56-0.83) and 0.65 (IQR=0.5-0.73), respectively. The Wilcoxon test (Z=4.9, P <0.01) indicated that the ANTs registration method performed better than FLIRT for the fetal cerebellum and thalamus. We found that a nonlinear registration method, provided improved results compared to an affine transformation. Nonlinear registration methods may be preferable for subcortical segmentations in MR images acquired in third-trimester fetuses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».