태아 뇌의 초음파 이미지에서 임신 주수를 학습 기반으로 예측하기

우리는 3D 초음파(US) 뇌 이미지 외관을 기반으로 태아의 임신 주수(GA) 및 신경 발달 성숙도를 예측하기 위한 자동화된 프레임워크를 제안합니다. 우리의 방법은 임신 주수 예측을 개선하는 예측 연령 모델을 개발하기 위해 임상 측정값과 함께 연령 관련 초음파 이미지 패턴을 활용합니다. 이 프레임워크는 태아 머리의 다섯 개 표면 표현을 활용하여 내측 두개골 경계를 구분하고 두개골 위치를 기반으로 하는 공통 좌표계 역할을 합니다. 이를 통해 서로 다른 발달 단계의 구조적 비교를 수행하기 위해 해부학적으로 일치하는 뇌 영역의 신속하고 효율적인 샘플링이 가능합니다. 우리는 3D 이미지에서 신경 초음파 패턴을 포착하는 맞춤형 기능을 개발하고, 회귀 숲 분류기를 사용하여 공간적 및 시간적 구조 뇌 발달을 특성화하여 건강한 인구(N=447)의 자연적 변동성을 포착합니다(활성 뇌 성숙기의 연령 범위: 18-34주). 정기적인 임상 데이터 세트(N=187)에서 우리의 임신 주수 예측 결과는 실제 GA와 강력한 상관관계를 보입니다(r=0.98, ±6.10일 이내의 정확성), 임신 기간 동안 관찰 가능한 성숙 진행과 신경 초음파 활동 간의 연관성을 확인합니다. 우리의 모델은 또한 태아 인구의 생물학적 변이에 의해 복잡해진 제3삼분기에서 현재의 임상 방법보다 ±4.57일 더 나은 성과를 보입니다. 특성 선택을 통해 모델은 이 연령 범위에서 가장 연령 차별적인 해부학으로 실비안 고랑, 띠 및 대뇌 교차를 성공적으로 식별했습니다.