胎儿脑 MRI： 从自动测径线，到生成生长百分位报告

原文图文 · 图 8 张

探知边界 · 胎儿脑影像

胎儿脑 MRI：

从自动测径线，到生成生长百分位报告

在胎儿脑 MRI 阅片中，画一条测量线并不难。难的是胎儿不断运动、图像平面不够正交，医生还要在不同孕周的脑形态之间，始终找到定义一致的两个端点。测完之后，又要逐项查参考范围，判断这个长度在相应孕周处于什么位置。

这项研究把这些环节连成了一条流程：先将多组二维 T2 加权图像重建为经过运动校正的三维脑图像，再用3D U-Net 定位 26 个解剖标志点，计算 13 项线性测量，最后结合孕周生成包含百分位、z 分数和测量叠加图的 HTML 报告。它服务于放射科医生的测量与报告环节，输出的是可检查、可修正的生物测量结果。

研究先在90 例回顾性数据中比较自动测量与人工测量，再在111 例独立于开发过程的前瞻性数据中评价标志点位置。后者有超过 98% 的标志点被评为可接受；作者报告，检查自动测量约需 1–3 分钟，而经验丰富的医生完整手工测量约需 10–15 分钟。这里的“可接受”是位置质量评价，不能换算成诊断准确率。

读这篇论文，抓住三个环节：先统一“量哪里”，再解决“怎么自动量”，最后让医生看见“量得对不对、相对孕周处在何处”。

I 自动化之前，先把尺子放对

常规二维胎儿 MRI 容易受到层间运动、平面倾斜和部分容积效应影响。所谓部分容积效应，就是同一体素混合了不同组织的信号，让本来清楚的边界变得模糊。三维切片到体积重建（slice-to-volume reconstruction，SVR）通过对齐多组切片并校正运动，帮助恢复连续的脑体积，使医生能够重新选择标准平面。

但三维图像不会自动消除测量定义的分歧。同一个“脑宽”，究竟在哪一层量？颅骨量外缘还是内缘？侧脑室的长轴随着孕周变化，测量线该如何保持垂直？这些问题既决定医生之间能否一致，也决定网络到底在学习什么。

研究团队先通过胎儿神经影像专家讨论，将本机构的测量习惯写成明确协议：固定解剖标志、参考平面和层面，并考虑孕周变化及边界可见性。最终的 13 项测量包括：

测量区域

具体项目

颅骨与大脑整体

颅骨双顶径、颅骨枕额径、最大脑宽、左侧与右侧大脑枕额径，共 5 项

脑室与中线结构

左侧与右侧侧脑室房部径、透明隔腔宽度、胼胝体长度，共 4 项

后颅窝与脑干

小脑横径、蚓部高度、蚓部前后径、脑桥前后径，共 4 项

其中，颅骨双顶径按外缘到外缘测量；最大脑宽在丘脑及第三脑室前部水平的轴位测量；侧脑室房部径则取内壁之间的距离，并垂直于脑室长轴。大脑枕额径和侧脑室房部径分别保留左右两侧，避免把可能存在的不对称压成一个数值。

图 3｜轴位测量协议。各列展示 20、25、30、35 周的示例，红线标出最大脑宽与颅骨双顶径、侧脑室房部径、小脑横径及透明隔腔宽度。定义需要随发育形态变化保持可操作。

图 4｜矢状位测量协议。颅骨枕额径、胼胝体长度、蚓部及脑桥径线多依赖正中矢状位；左右大脑枕额径分别测量。三维重建为重新选择平面提供基础。

这是该研究很有价值的一步：它让标注、自动测量和后续参考曲线尽量使用同一把“尺子”。不过，这仍是基于本机构实践形成的协议，不能直接视为已经获得跨中心共识的通用标准。

II 网络找端点，解剖约束把测量线放回正确位置

从算法上看，这项工作采用的是经典 3D U-Net。真正决定流程能否成立的，是网络前后的图像处理、标注定义和解剖约束。

第一步，准备统一的三维输入。原始数据经 auto-proc-SVRTK 重建为约 0.8–1.0 mm 分辨率的三维图像，随后对齐到标准放射学平面，并重采样到 0.5 mm 网格。这里的重采样是统一计算坐标与采样间隔，并不意味着原始图像凭空获得了真实的 0.5 mm 空间分辨能力。流程还使用 BOUNTI 进行脑组织分割。

第二步，把“预测一个点”转成“小球分割”。作者将每个测量端点表示为三维球形标签，用 MONAI 实现的 3D U-Net 预测 26 个标签的位置。可以把它理解为：网络先在三维脑图像里圈出每个端点所在的小区域，再由这些位置计算测量值。网络训练使用 150 例 0.55 T 和 3 T 数据，覆盖 18–41 周；训练标签通过人工修正初步网络输出得到。

第三步，以解剖平面和组织边界校正结果。预处理包含脑区掩膜与图谱仿射配准；网络输出之后，还要让标志点进一步对齐相应平面及组织界面。最终的毫米数，是成对三维坐标之间的距离。因此，尽管输入和定位发生在三维空间，输出仍是临床熟悉的线性径线，而非脑体积或皮层表面积。

图 2｜从三维图像到报告。标准空间对齐、标志点定位、解剖约束、距离计算与孕周参考比较依次相连；中间的测量叠加图保留了人工检查入口。

这套设计的好处是保留了检查入口：医生可以看到测量线落在哪里。若侧脑室端点贴错了边界，或胼胝体前端看不清，问题能够在图像上暴露出来，而不只是得到一个难以追溯的数字。

III 90 例回顾性测试：哪些量得稳，哪些仍然难？

论文报告总计 525 次 MRI 检查，其中 414 例回顾性、111 例前瞻性。各用途的数据并不是四个互不重叠的集合：用于生成正常生长曲线的 406 例，包含大部分训练及回顾性测试病例。理解这层关系，才能正确判断证据的独立性。

数据用途

回答的问题

150 例训练

学习解剖标志点；训练场强为 0.55 T、3 T

90 例回顾性测试

在 22–38 周、0.55 T／1.5 T／3 T 数据中，自动与人工测量差多少？

406 例正常参考数据

拟合随孕周变化的参考曲线；与训练、回顾性测试数据存在重叠

111 例前瞻性评价

新采集病例的标志点是否可用、报告是否便于阅片？未参与上述开发步骤

回顾性测试为每例数据准备两套人工测量，分别比较“人工对人工”和“自动对两套人工的平均值”。这样做的意义在于：人工本身就存在波动，自动测量应当放在这个背景下理解，不能假设某一次人工测量是绝对无误的真值。

作者将自动与人工测量的最大绝对差概括为约 1–3 mm，但图 5 的自动测量箱线图中仍有略超过 3 mm 的离群点。更稳妥的解读是：总体达到毫米级一致性，仍需关注少数较大偏差；“1–3 mm”不是所有测量都满足的硬上限，更不是平均误差。

图 5a（右侧）｜自动测量与人工平均值的绝对差，纵轴单位为 mm。多数箱体位于较低误差区间，但不同指标分布不同，也存在略超 3 mm 的离群点。

组内相关系数（ICC）用于衡量测量之间的一致程度。多数指标的自动—人工平均值 ICC 较高，但并非每个结构都同样可靠：

指标

人工—人工 ICC

自动—人工均值 ICC

颅骨双顶径

0.994

0.995

小脑横径

0.997

0.996

透明隔腔宽度

0.737

0.610

右侧侧脑室房部径

0.866

0.832

左侧侧脑室房部径

0.859

0.855

透明隔腔和脑室房部的问题尤其值得注意：它们缺少始终清楚、固定的三维标志点，形态变化和边界模糊会同时影响人工与算法。透明隔腔宽度的 ICC 从人工间的 0.737 降到自动对人工均值的 0.610，也提醒我们不能用“多数指标表现很好”覆盖局部短板。

另一个统计学上的阅读要点是，跨孕周数据中的结构大小差异较大，高 ICC 并不自动意味着每一次测量的误差都足够小。判断可用性，需要把 ICC、毫米误差和具体结构放在一起看：同样的 1 mm，落在颅骨径线上和落在一个狭窄腔隙上，意义并不相同。

IV 从毫米到百分位：参考曲线也是流程的一部分

单看长度，医生仍然不知道它相对于相同孕周是偏大还是偏小。研究因此使用 406 例正常对照，采用二次多项式拟合生成参考曲线，并展示第 5、第 50 和第 95 百分位。

百分位表达一个测量值在相应孕周参考分布中的位置；z 分数则用标准差单位表达它偏离参考中心的程度。它们帮助组织测量信息，但并不直接等于某种疾病的发生概率，也不能脱离测量协议、图像质量和形态学表现单独下结论。

这些曲线并非完全未经人工干预的产物。作者检查了全部自动测量，其中 53／406 例因图像质量或结构可见性欠佳，需要小幅修正标志点。换句话说，参考数据经过人工复核，质量把关仍然是构建基准的重要环节。

图 7｜406 例正常对照的部分生长曲线。横轴为孕周，纵轴为径线长度；散点展示个体差异，曲线展示拟合趋势及百分位范围。整体大小与小脑、脑桥的增长模式并不完全相同。

曲线显示，颅骨及大脑整体径线随孕周增长，晚孕期增速略有减缓；小脑横径、脑桥和蚓部的部分径线接近线性增长。这些趋势为报告中的个体数值提供了生长背景。

图 8｜蚓部、侧脑室房部、透明隔腔和胼胝体的参考曲线。脑室房部与透明隔腔宽度的个体差异较大；胼胝体长度在晚孕期趋于平台。拟合曲线描述当前数据中的变化，不代表结构全部发育过程。

相比之下，侧脑室房部径和透明隔腔宽度的离散程度较大；胼胝体长度的拟合曲线在约 33 周后趋于平台。这里应读作本队列、当前测量定义与拟合方法下的形态趋势，不能据此推导出“胼胝体从此停止发育”。

研究的方法与结果部分将曲线数据范围描述为 18–40 周，摘要及结论则表述为 19–40 周。理解其适用性时，应保留这一口径差异，尤其不能把整个训练集覆盖 18–41 周，直接当作每项参考曲线都在边缘孕周得到充分验证。曲线与既往研究趋势相似，也不等同于已经证明跨机构、跨人群的百分位校准可靠。

V 111 例前瞻性评价：报告能否进入医生的工作节奏？

前瞻性评价纳入伦敦 St Thomas’ Hospital 于 2024 年 7–12 月采集的 111 例数据，覆盖 20–38 周及不同场强、采集协议。这批病例未用于训练、回顾性测试或参考曲线构建，因此提供了更接近新病例使用场景的证据。

不过，这仍是一项以良好重建质量、正常或无已报告严重结构异常病例为主的可用性评价。论文不同段落对异常排除条件的措辞略有差异，不能据此把它扩展成对各类病变脑的系统验证，更不能称为独立外部中心验证。

评价人员对 26 个标志点的位置进行分级。各级占比为：优秀 64.2%、良好 28.2%、尚可 6.5%、较差 1.1%。前三级合计 98.9%，即论文所说的“超过 98% 可接受”；其中“良好及优秀”合计为 92.4%。两个比例的统计口径不同，不应混用。

图 9｜111 例前瞻性数据的标志点质量分级。每根柱对应一个端点，颜色区分较差、尚可、良好、优秀；这里评价的是端点位置可接受程度。

这些比例描述的是标志点位置评分，不是“98.9% 的病例全部无需修改”，也不是疾病检出的敏感度。即使一例仅有少数端点不理想，也可能影响其中一项重要径线。因此，作者仍要求在报告前目视检查，并在必要时修正。

最终报告把三类信息放在一起：8 幅带测量线的代表性脑图像、13 项测量及其百分位和 z 分数、个体测量点与参考曲线。读者先看线是否落对，再看毫米数及其孕周位置；图像和数字能够互相核对。

图 10（局部）｜自动报告中的测量图像与结果表。读者可以同时检查端点、毫米数、百分位和 z 分数；完整报告还包含各项生长曲线。

作者报告，包含预处理、深度学习测量与报告生成的流程平均每例少于 5 分钟；医生复核自动测量约需 1–3 分钟，完整人工测量约需 10–15 分钟。这些结果提示可减少重复操作，但论文没有以随机对照或严格的计时研究证明整体临床效率提升了某个固定百分比，也不应将“少于 5 分钟”理解为从 MRI 扫描开始到完整诊断结束的总时间。

VI 距离常规应用，还差哪些验证？

首先是异常解剖。正常形态上的稳定定位，不保证在脑室明显扩张、胼胝体缺如或后颅窝结构改变时仍然成立。对这类病例，需要验证端点是否仍有解剖意义，结构缺失时能否拒绝给出误导性数值。

其次是质量控制与外部泛化。研究以可接受重建质量为前提，尚需在更多中心、不同人群和更复杂图像质量下评估，并建立自动识别重建失败、端点不确定及模型表现漂移的机制。覆盖 0.55–3 T 是有价值的技术跨度，但不能替代这些验证。

最后是临床增益。论文没有证明百分位报告能独立提高病变检出率，也没有建立测量结果与儿童神经发育结局之间的预测关系。报告工具在文中明确标为研究用途，常规临床应用还涉及进一步验证与监管要求。

对算法开发的启发：除了追求平均定位误差更小，还应让系统回答“这个数值是否可信、为什么不可信、医生该复核哪里”。本研究提供了可视化复核入口，自动质量控制仍是下一步工作。

结语｜让测量结果真正可读、可查、可复核

这篇论文的贡献在于，把测量定义、三维标志点定位、孕周参考曲线与可视化报告放进同一条流程。它展示了胎儿脑 MRI 生物测量自动化的可行性，也清楚暴露出透明隔腔、脑室等结构仍然存在的困难。

如果说算法负责把尺子放上去，那么测量协议决定尺子该放在哪里，参考曲线解释读数的位置，医生的复核则负责确认这一次读数是否可信。把这几个环节同时做好，自动测量才更有机会成为可靠的阅片支持。

论文引用

Luis A, Uus A, Matthew J, et al. Towards automated fetal brain biometry reporting for 3-dimensional T2-weighted 0.55-3T magnetic resonance imaging at 20-40 weeks gestational age range.Pediatric Radiology. 2026;56:366–383. 2025 年 11 月 14 日在线发表。DOI：10.1007/s00247-025-06403-2

https://doi.org/10.1007/s00247-025-06403-2