Das Maschinenlernwerkzeug bietet Ärzten ein detaillierteres 3D-Bild der fetalen Gesundheit | MIT Nachrichten

Für schwangere Frauen sind Ultraschall ein informatives (und manchmal notwendiges) Verfahren. Sie produzieren typischerweise zweidimensionale Schwarz-Weiß-Scans von Feten, die wichtige Erkenntnisse aufweisen können, einschließlich biologischer Geschlecht, ungefähre Größe und Anomalien wie Herzproblemen oder Lippenspalte. Wenn Ihr Arzt einen genaueren Blick wünscht, kann er eine Magnetresonanztomographie (MRT) verwenden, die Magnetfelder verwendet, um Bilder zu erfassen, die kombiniert werden können, um eine 3D -Ansicht des Fötus zu erstellen.

MRTs sind jedoch kein Alleinfall; Die 3D-Scans sind für Ärzte schwierig, intestine genug zu interpretieren, um Probleme zu diagnostizieren, da unser visuelles System nicht daran gewöhnt ist, die 3D-volumetrischen Scans zu verarbeiten (mit anderen Worten, ein umlaufender Look, der uns auch die inneren Strukturen eines Subjekts zeigt). Geben Sie maschinelles Lernen ein, was dazu beitragen könnte, die Entwicklung eines Fötus klarer und genauer aus Daten zu modellieren – obwohl kein solcher Algorithmus ihre etwas zufälligen Bewegungen und verschiedene Körperformen modellieren konnte.

Das heißt, bis ein neuer Ansatz namens „fetaler SMPL“ aus dem Labor für Informatik und künstliche Intelligenz des MIT (CSAIL), des Boston Youngsters’s Hospital (BCH) und der Harvard Medical Faculty präsentierte Kliniker ein detaillierteres Bild der Gesundheit des Fetus. Es wurde aus „SMPL“ (Skinne Multi-Personen-Linearmodell) angepasst, einem in Computergrafiken entwickelten 3D-Modell, um erwachsene Körperformen und -posen zu erfassen, um fetale Körperformen und Posen genau darzustellen. Anschließend wurde fetale SMPL auf 20.000 MRT-Bänden geschult, um die Lage und Größe eines Fötus vorherzusagen und skulpturähnliche 3D-Darstellungen zu erzeugen. In jedem Modell befindet sich ein Skelett mit 23 artikulierten Gelenken, die als „kinematischer Baum“ bezeichnet werden und das das System wie die Feten, die es während des Trainings gesehen hat, posiert und bewegt.

Die umfangreiche, reale Welt scannt, dass die fetale SMPL es lernte, die genaue Genauigkeit zu entwickeln. Stellen Sie sich vor, Sie treten in den Fußabdruck eines Fremden, während sie die Augen verbunden haben, und er passt nicht nur perfekt, sondern Sie erraten richtig, welchen Schuh sie getragen haben. In ähnlicher Weise stimmte das Werkzeug die Place und Größe der Feten in MRI -Frames genau zu, die es zuvor noch nicht gesehen hatte. Die fetale SMPL wurde nur durch einen Durchschnitt von etwa 3,1 Millimetern falsch ausgerichtet, eine Lücke, die kleiner als ein einzelnes Reiskorn.

Der Ansatz könnte es Ärzten ermöglichen, Dinge wie die Größe des Kopfes oder des Bauches eines Babys genau zu messen und diese Metriken mit gesunden Feten im gleichen Alter zu vergleichen. Die fetale SMPL hat in frühen Assessments sein klinisches Potenzial gezeigt, bei denen es genaue Ausrichtungsgebnisse bei einer kleinen Gruppe realer Scans erzielte.

„Es kann schwierig sein, die Type und Pose eines Fötus zu schätzen, da sie in die engen Grenzen des Gebärmutters eingedrungen sind“, sagt der Hauptautor, MIT -PhD -Scholar und CSAIL -Forscher Yingcheng Liu SM ’21. „Unser Ansatz überwindet diese Herausforderung anhand eines Methods mit miteinander verbundenen Knochen unter der Oberfläche des 3D -Modells, das den fetalen Körper und seine Bewegungen realistisch darstellt. Dann stützt er sich auf einen Koordinaten -Abstiegsalgorithmus, um eine Vorhersage zu erstellen, und wechseln im Wesentlichen zwischen Raten und Type aus kniffligen Daten, bis sie eine zuverlässige Schätzung findet.“

In der Gebärmutter

Die fetale SMPL wurde auf Type und Posegenauigkeit gegen die am nächsten gelegene Grundlinie getestet, die die Forscher finden konnten: ein System, das das Säuglingswachstum modelliert, genannt „Lächer.“ Da Babys aus dem Mutterleib größer sind als Feten, schrumpfte das Group diese Modelle um 75 Prozent, um die Wettbewerbsbedingungen zu erreichen.

Das System übertraf diese Grundlinie auf einem Datensatz mit fetalen MRTs zwischen dem Schwangerschaftsalter von 24 und 37 Wochen im Boston Youngsters’s Hospital. Fetaler SMPL konnte echte Scans genauer wiederherstellen, da seine Modelle eng mit echten MRTs ankamen.

Die Methode conflict effizient darin, ihre Modelle an Bilder auszurichten und nur drei Iterationen zu benötigen, um zu einer angemessenen Ausrichtung zu gelangen. In einem Experiment, in dem gezählt wurde, wie viele falsche Vermutungen fetale SMPL vor der Ankunft zu einer endgültigen Schätzung durchgeführt hatten, stieg die Genauigkeit aus dem vierten Schritt.

Die Forscher haben gerade begonnen, ihr System in der realen Welt zu testen, wo es in den ersten klinischen Assessments ähnlich genaue Modelle erzeugt hat. Während diese Ergebnisse vielversprechend sind, stellt das Group fest, dass sie ihre Ergebnisse auf größere Populationen, verschiedene Schwangerschaftsalter und eine Vielzahl von Krankheitsfällen anwenden müssen, um die Fähigkeiten des Methods besser zu verstehen.

Nur Haut tief

Liu merkt auch an, dass ihr System nur hilft, zu analysieren, was Ärzte auf der Oberfläche eines Fötus sehen können, da nur knochenartige Strukturen unter der Haut der Modelle liegen. Um die interne Gesundheit von Babys wie Leber, Lunge und Muskelentwicklung besser zu überwachen, beabsichtigt das Group, sein Werkzeug volumetrisch zu gestalten und die innere Anatomie des Fötus aus Scans zu modellieren. Solche Upgrades würden die Modelle menschlicher machen, aber die aktuelle Model des fetalen SMPL zeigt bereits ein präzises (und einzigartiges) Improve auf die 3D-Analyse der fetalen Gesundheit.

„Diese Studie führt eine Methode ein, die speziell für die mRT fetale MRT entwickelt wurde, die fetale Bewegungen effektiv erfasst und die Bewertung der fetalen Entwicklung und Gesundheit verbessert“, sagt Kiho IM, Affiliate Professor für Pädiatrie und Stabswissenschaftlerin der Harvard Medical Faculty in der Abteilung für Neugeborenen Medizin in der Fetal-Neonatal-Neuroimagier- und Entwicklungswissenschaftlerin. IM, der nicht an der Arbeit beteiligt conflict, fügt hinzu, dass dieser Ansatz „nicht nur den diagnostischen Nutzen der fetalen MRT verbessern, sondern auch Einblicke in die frühe funktionelle Entwicklung des fetalen Gehirns in Bezug auf Körperbewegungen liefert.“

„Diese Arbeit erreicht einen wegweisenden Meilenstein, indem sie parametrische menschliche Körpermodelle für die frühesten Formen des menschlichen Lebens erweitert: Feten“, sagt Sergi Pujades, Affiliate Professor an der Universität Grenoble Alpes, der nicht an der Forschung beteiligt conflict. „Es ermöglicht uns, die Type und Bewegung eines Menschen zu entwirren, was sich bereits als entscheidend für das Verständnis der körperlichen Körperform nachgewiesen hat und wie sich die Bewegung von Säuglingen mit neurologischen Entwicklungsstörungen bezieht. Darüber hinaus ist die Tatsache, dass das fetale Modell das fetale Modell stammt, aus dem Fetalmodell studiert, und es ist mit dem Erwachsenen kompatibel. Gelegenheit, weiter zu quantifizieren, wie das Wachstum und die Bewegung des menschlichen Formes von verschiedenen Bedingungen beeinflusst werden. “

Liu schrieb die Zeitung mit drei CSAIL -Mitgliedern: Peiqi Wang SM ’22, PhD ’25; MIT PhD -Studentin Sebastian Diaz; und Senior -Autorin Polina Golland, Professorin von Sunlin und Priscilla Chou für Elektrotechnik und Informatik, Hauptforscherin am MIT CSAIL und der Leiter der medizinischen Imaginative and prescient Group. BCH -Assistenzprofessor für Pädiatrie Esra Abaci Turk, INRIA -Forscher Benjamin Billot und Professor für Medizinische Fakultäten in Harvard und Professor für Radiologie Patricia Ellen Grant sind auch Autoren auf dem Papier. Diese Arbeit wurde teilweise von den Nationwide Institutes of Well being und dem MIT CSAIL-WISTRON-Programm unterstützt.

Die Forscher werden ihre Arbeiten auf der Internationalen Konferenz über das medizinische Picture -Laptop und die computergestützte Intervention (MICCAI) im September präsentieren.