FetMRQC: Automated Quality Control for fetal brain MRI

要約

品質管理 (QC) は、神経画像研究の信頼性を保証するために不可欠であると長い間考えられてきました。
これは胎児の脳 MRI にとって特に重要です。胎児の大きく予測不可能な動きが、取得された画像に重大なアーチファクトを引き起こす可能性があるためです。
胎児の脳の質を評価するための既存の方法は \textit{スライス} レベルで機能しており、\textit{全体} の脳ボリュームを観察することによってのみ達成できる画像の質の包括的な全体像を得ることができません。
この研究では、胎児脳 MRI に合わせた自動画質評価のための機械学習フレームワークである FetMRQC を提案します。これは、専門家の評価を予測するために使用される一連の品質指標を抽出します。
2 つの異なる機関で取得した 1,000 以上の低解像度スタックの手動評価に基づいて、既存の品質指標と比較して、FetMRQC は解釈可能でデータ効率が高く、ドメイン外の一般化が可能であることを示します。
また、胎児脳画像の品質評価を容易にし最適化するために設計された、新しい手動品質評価ツールもリリースします。
私たちのツールと、モデルを生成、トレーニング、評価するためのすべてのコードは、 https://github.com/Medical-Image-Analysis-Laboratory/fetal_brain_qc/ から入手できます。

要約(オリジナル)

Quality control (QC) has long been considered essential to guarantee the reliability of neuroimaging studies. It is particularly important for fetal brain MRI, where large and unpredictable fetal motion can lead to substantial artifacts in the acquired images. Existing methods for fetal brain quality assessment operate at the \textit{slice} level, and fail to get a comprehensive picture of the quality of an image, that can only be achieved by looking at the \textit{entire} brain volume. In this work, we propose FetMRQC, a machine learning framework for automated image quality assessment tailored to fetal brain MRI, which extracts an ensemble of quality metrics that are then used to predict experts’ ratings. Based on the manual ratings of more than 1000 low-resolution stacks acquired across two different institutions, we show that, compared with existing quality metrics, FetMRQC is able to generalize out-of-domain, while being interpretable and data efficient. We also release a novel manual quality rating tool designed to facilitate and optimize quality rating of fetal brain images. Our tool, along with all the code to generate, train and evaluate the model is available at https://github.com/Medical-Image-Analysis-Laboratory/fetal_brain_qc/ .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google