FetMRQC: Automated Quality Control for fetal brain MRI

要約

タイトル：FetMRQC：胎児脳MRIの自動品質管理
要約：脳画像研究の信頼性を確保するために、品質管理(QC)は長年にわたって重要視されてきました。胎児脳MRIでは、大きく予測できない胎児の動きが画像に害をもたらすため、品質管理は特に重要です。現存する胎児脳品質評価の方法は「スライス」レベルで機能し、画像の品質に関する包括的な情報を把握することができないため、「全て」の脳領域を調べることができます。本研究では、胎児脳MRIに特化した自動画像品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。この手法は、品質評価専門家の評価を予測するために品質メトリックのアンサンブルを抽出します。2つの異なる機関で取得された1000を超える低解像度の複数枚の手動評価に基づいて、既存の品質メトリックと比較してFetMRQCが独立領域で一般化でき、解釈可能でデータ効率が高いことを示しました。また、胎児脳画像の品質評価を容易かつ最適化することを目的とした、新しい手動品質評価ツールもリリースします。ツールとモデルの生成、トレーニング、評価に必要なすべてのコードは、論文の承認に伴って公開されます。

– 胎児脳MRIにおける品質管理(QC)の必要性。
– 存在する胎児脳品質評価の問題とFetMRQCの提案。
– FetMRQCが品質評価専門家の評価を予測するために品質メトリックのアンサンブルを抽出する方法。
– FetMRQCが独立領域で一般化でき、解釈可能でデータ効率が高いことを示すために実施された手動評価について。
– 新しい手動品質評価ツールのリリースについて。
– 必要なすべてのコードが公開されることに関する情報。

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 will be released upon acceptance of the paper.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI