.png){kind=icon}
返回
MRI-based fetal gestational age estimation using a structure-aware self-supervised network
.png){kind=icon}
PRE
AI
DOI：10.1007/s00330-026-12845-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为开发一种利用全局边缘信息以减少胎儿脑部MRI孕周（GA）估计误差并提高临床可靠性的结构感知自监督深度学习模型。回顾性收集了207例单胎妊娠的1630张胎儿脑部冠状面T2加权MRI图像（平均孕周，30±8周；中位数，34周；范围，22–38周），采集时间为2019年1月至2023年7月。孕周根据末次月经和首次孕期超声确定，作为参考标准。受试者按患者水平随机分为训练集（80%）和独立测试集（20%）。模型在测试集上的性能通过平均绝对误差（MAE）和决定系数（R²）进行评估，95%置信区间通过自助法重采样获得。所提出的模型在常规临床MRI孕周估计中达到MAE为0.793周（95% CI，0.574–0.860）和R²为0.934（95% CI，0.918–0.967）。预测孕周与参考孕周显示出强烈的线性相关性（p<0.001）。所提出的结构感知自监督模型能够从胎儿脑部MRI中准确估计临床孕周。该方法可能补充某些病例中的常规孕周估算；在临床部署前需要进行前瞻性和多中心验证。问题：当中期至晚期妊娠的常规临床孕周估算方法不可靠时，胎儿脑部MRI能否提供准确的临床孕周估算？结果：在207例妊娠中，SSFN-Net在胎儿脑部MRI上实现了比现有深度学习基线更低的MAE（0.79周）和更高的R²。临床相关性：MRI衍生的孕周估算可能补充某些病例中的超声或末次月经日期（LMP）基础的临床孕周估算，为产前评估提供额外的定量参考。
Keyword:
Deep learning
Fetus
Gestational age
Magnetic resonance imaging
期刊
IF:
4.7
论文数:
1.8K
被引数:
3.9W
机构
引用论文
Prediction of fetal brain gestational age using multihead attention with Xception基于Xception的多头注意力胎儿脑妊娠年龄预测
PREAI
分享收藏Attention-guided deep learning for gestational age prediction using fetal brain MRI.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Self-supervised learning for medical image analysis: Discriminative, restorative, or adversarial?MEDICAL IMAGE ANALYSIS
MEDICAL IMAGE ANALYSISIF11.8
PREAI
分享收藏分享收藏
查看更多内容