European Radiology：基于MRI胎儿眼部影像学参数的人工智能辅助

研究表明，胎儿眼球低斜和高斜常与遗传性疾病、先天性畸形和各种颅面综合征有关。现阶段，临床上低/高眼压是通过记录眼球之间的距离减少或增加来定性评估的，或者通过手动测量双眼（BOD）、眼间（IOD）和眼球（OD）的直径来定量评估，主要是在横向超声波（US）或MRI图像上进行。使用IOD测量，如果小于第5个百分位数则定义为低眼压；如果大于胎龄（GA）正常范围的第95个百分位数，则定义为高眼压。

一些研究提供了基于MRI或US的正常眼球生长图。尽管所有三个生物测量值（BOD、IOD和OD）都随着GA的增加而增加，但无论是使用MRI还是与US相比，报告的正常值都有很大的差异。

近年来，机器学习（ML）方法在医学图像分析中的应用已经非常广泛。在胎儿MRI中的应用主要包括胎儿大脑的分割、各种器官以及直接GA预测。一些研究提出了胎儿MRI的线性测量方法，包括自动脑部测量和完全或半自动的方法，这些方法被多项研究建议用于基于前瞻性获得的特殊数据和三维重建后的眼部测量。

近日，发表在European Radiology杂志的一项研究开发了一种基于胎儿MRI的全自动计算眼部测量的可用于常规胎儿生长评估的方法，并得出正常的眼部生长曲线，为临床快速、准确的评估胎儿眼部异常提供了技术支持及参考依据。

本项研究于2008年3月-2020年6月期间收集了在具有各种T2加权序列和图像分辨率的1.5/3T系统上扫描的22-40周胎龄 (GA) 正常 (n = 244) 和异常 (n = 52) 胎儿的MRI数据,。开发了一种包括深度学习和几何算法的全自动方法来测量双目 (BOD)、眼间 (IOD)、眼 (OD) 直径和眼体积 (OV)。两个新参数BOD比和IOD比分别定义为 BOD/IOD 相对于两个球体 OD 总和的比值。并使用测量和计算的参数评估了八个ML分类器以检测异常。

自动方法产生的平均差异为BOD = 0.70 mm、IOD = 0.81 mm、OD = 1.00 mm，3D-Dice 得分为 OV = 93.7%。在正常胎儿中，所有四个测量值都随着GA增加。当根据先前公布的MRI和超声参考数据计算时，在所有GA中检测到BOD比= 1.56 ± 0.05 、IOD比= 0.60 ± 0.05的恒定值。随机森林分类器在独立测试集 (n = 58) 上产生了最佳结果：AUC-ROC= 0.941和F1-Score = 0.711，而基于公认标准的 AUC-ROC= 0.650和F1-Score = 0.385根据IOD（< 5th 或 > 95th 百分位数）定义低/超远。

 图 三个不同受试者的方法结果示例。两个正常胎儿：胎儿1，GA=38，胎儿2，GA=33，胎儿3有高血压，GA=32

本研究提出了一种基于MRI的全自动胎儿眼部影像学评估方法，适用于常规临床数据的收集及测量，同时提供了正常的发育曲线作为参考数据使用。本项研究建议并强调使用两个眼球比率和多参数ML分类以改善统计学指标在正常范围之间或超出正常范围的胎儿之间的区分，可以协助神经放射学家识别临床上相关的低/高眼压病例。

原文出处：

Netanell Avisdris,Daphna Link Sourani,Liat Ben-Sira,et al.Improved differentiation between hypo/hypertelorism and normal fetuses based on MRI using automatic ocular biometric measurements, ocular ratios, and machine learning multi-parametric classification.DOI:10.1007/s00330-022-08976-0