FetMRQC: an open-source machine learning framework for multi-centric fetal brain MRI quality control

要約

胎児脳 MRI は、周産期診断における神経超音波検査を補完するものとしてますます関連性が高まっており、妊娠期間中の胎児の脳の発達に関する基本的な洞察を可能にします。
ただし、制御されていない胎児の動きと収集プロトコルの不均一性により、データの品質が変動し、その後の研究の結果に偏りをもたらす可能性があります。
臨床データの異質性によって誘発されるドメインのシフトに対して堅牢な、自動画質評価と品質管理のためのオープンソースの機械学習フレームワークである FetMRQC を紹介します。
FetMRQC は、未処理の解剖学的 MRI から一連の品質指標を抽出し、それらを組み合わせてランダ​​ム フォレストを使用して専門家の評価を予測します。
私たちは、4 つの臨床センターと 13 の異なるスキャナーから取得した、手動で評価された 1,600 枚を超える胎児脳の T2 強調画像からなる先駆的に大規模かつ多様なデータセットを使用して、フレームワークを検証します。
私たちの研究は、FetMRQC の予測が解釈可能でありながら、目に見えないデータに対してよく一般化していることを示しています。
FetMRQC は、より堅牢な胎児脳神経画像化に向けた一歩であり、人間の脳の発達に関する新たな洞察をもたらす可能性があります。

要約(オリジナル)

Fetal brain MRI is becoming an increasingly relevant complement to neurosonography for perinatal diagnosis, allowing fundamental insights into fetal brain development throughout gestation. However, uncontrolled fetal motion and heterogeneity in acquisition protocols lead to data of variable quality, potentially biasing the outcome of subsequent studies. We present FetMRQC, an open-source machine-learning framework for automated image quality assessment and quality control that is robust to domain shifts induced by the heterogeneity of clinical data. FetMRQC extracts an ensemble of quality metrics from unprocessed anatomical MRI and combines them to predict experts’ ratings using random forests. We validate our framework on a pioneeringly large and diverse dataset of more than 1600 manually rated fetal brain T2-weighted images from four clinical centers and 13 different scanners. Our study shows that FetMRQC’s predictions generalize well to unseen data while being interpretable. FetMRQC is a step towards more robust fetal brain neuroimaging, which has the potential to shed new insights on the developing human brain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google