胎儿MRI全子宫三维容积自动分割与孕周正常生长模型
基于多场强T2加权胎儿MRI,利用三维重建和深度学习自动分割胎儿、胎盘及羊水,并在357例正常对照中建立16-41周正常生长曲线。结果显示分割准确性高,胎儿和胎盘体积随孕周增加,羊水呈二次趋势。该方法在早产队列中检出胎儿、胎盘体积显著降低(P<0.001)及羊水减少(P<0.01)。
要点
- 全子宫三维分割Dice达0.995-0.998,容积误差<1%,需人工微调者<25%。
- 正常对照胎儿生长速率146.6 cc/周,胎盘38.8 cc/周,羊水中孕期达峰后下降。
- 早产队列胎儿体积和胎盘体积显著低于足月对照(P<0.001),羊水显著减少(P<0.01)。
核心结论
- 该研究建立了首个可在三维重建T2加权胎儿MRI中同时自动分割胎儿、胎盘和羊水的流程,并基于357例正常对照建立覆盖16-41周孕周的正常生长模型。
- 早产队列中胎儿体积和胎盘体积显著降低(P<0.001),羊水体积也显著减少(P<0.01),提示该工具可用于高危妊娠异常生长模式的识别。
研究设计与样本
- 回顾性多场强研究,纳入357例足月对照、86例早产高危病例及63例仅用于模型训练的数据,共506次扫描,来自5项经伦理批准的伦敦St Thomas医院研究。
- T2加权单次激发快速自旋回波序列,经变形切片到容积重建获得1.2mm各向同性三维图像;场强包括3T Philips、1.5T Philips和0.55T Siemens。
- 分割采用三维U-Net,训练集223例人工校正重建,独立测试集43例,以人工校正标签为参考,计算Dice和绝对/相对容积差异,并对分割质量进行1-4分级。
- 正常生长模型采用二次回归估计第5、50、95百分位,组间比较采用协方差分析校正MRI检查时孕周;出生体重百分位参照胎儿医学基金会新生儿人群图。
关键影像表现/征象
- 胎儿体积、胎盘体积和羊水体积在三维重建T2加权图像上可被自动分割,边界平滑且解剖合理。
- 羊水体积在孕中期达到峰值后至足月逐渐下降,呈显著二次趋势,个体间变异较大。
- 胎儿头体体积比随孕周下降,男胎胎儿体积百分位高于女胎。
- 早产队列以羊水流失、胎盘与胎儿软组织对比度降低为常见表现,尤其见于未足月胎膜早破病例,常需人工修正胎盘和胎儿区域。
诊断标准与关键数值
- 胎儿分割Dice为0.997,胎盘Dice为0.995,羊水Dice为0.998;容积误差均小于1%。
- 分割质量评分:胎儿3.63±0.54,胎盘3.74±0.49,羊水3.95±0.21;多数达到良好或优。
- 正常对照中胎儿体积、胎盘体积与孕周呈显著正相关(P<0.001);羊水体积呈显著二次趋势(P<0.001)。
- 胎儿体积纵向生长速率为146.6±39.4cc/周,胎盘为38.8±14.7cc/周,羊水为3.3±35.5cc/周。
- 早产队列胎儿体积及其百分位、胎盘体积及其百分位均显著低于足月对照(P<0.001),羊水绝对体积显著降低(P<0.01),羊水百分位亦显著降低(P<0.001)。
临床应用与阅片要点
- 可用于对胎儿MRI三维重建图像自动分割并生成包含百分位和z评分的HTML结构化报告,辅助胎儿整体生长评估。
- 羊水百分位和胎儿、胎盘体积百分位可用于识别潜在生长受限或早产风险个体。
- 观察上述MRI图层或报告时,需注意胎盘-子宫肌层交界面与胎儿肢体区域是最容易需要人工修正的部位。
- 0.55T图像因分辨率和信噪比较低,细小结构模糊,尤其需提高对分割边缘的人工质量判断。
局限性
- 1.5T与3T之间胎儿体积(P<0.001)和胎盘体积(P<0.01)存在场强效应,可能受孕周分布不均衡和扫描方案差异影响,而非真实生物学差异。
- 回顾性设计,队列来自单中心,扫描方案存在异质性,且正常生长模型尚未纳入详细人口学或高危解剖变异实现个性化预测。
全文中译11 节 · 点击展开
引言
胎儿磁共振成像(MRI)是产前超声评估胎儿和胎盘解剖结构、生长及功能的重要补充手段。与超声相比,MRI具有更优越的软组织对比度、覆盖整个子宫的更广视野以及真正的三维(3-D)信息,从而改善解剖评估并提高诊断信心[1]。这使得MRI非常适合用于量化关键宫内结构的体积——胎儿、胎盘和羊水,作为胎儿生长、胎盘功能充足性及整体妊娠健康的客观标志物。这些体积通常通过MRI图像序列的分割获得。
定量全子宫内容积测量在临床上具有重要的信息价值和多方面意义。胎儿身体体积反映胎儿整体大小,当与孕周(GA)校正的百分位数对照绘制时,有助于识别相对于孕周异常偏小或偏大的胎儿,这可能提示胎儿生长受限或巨大儿[2],对于这些情况,早期发现对于及时的临床干预至关重要。MRI获得的胎儿总体积也被广泛用作单个胎儿器官(如脑、肺)体积测量的分母[3–5],以及胎儿心脏MRI中定量流量估算的分母[6],这使得准确的全胎儿分割对于许多定量MRI应用至关重要。
胎盘体积反映胎盘发育和功能容量的宏观指标。较小的胎盘体积与胎盘功能不全以及胎儿生长受限、子痫前期和高血压疾病等状况相关,反映了绒毛发育受损和胎儿生长减少[7]。较大的胎盘体积可能出现在妊娠期糖尿病或贫血中,由于代谢需求增加所致[7]。胎盘大小还与出生体重和新生儿结局密切相关[8],支持其作为多普勒超声之外的补充生物标志物的价值。
羊水量反映胎儿肾脏和胃肠功能、胎盘健康及胎膜完整性[9, 10]。羊水过少(羊水量低)可能由胎盘功能不全或胎儿生长受限通过肾灌注减少所致,也是未足月胎膜早破(PPROM)的特征性表现,其中持续的羊水丢失还可影响肺发育。羊水过多(羊水量过多)通常与母体糖尿病或胎儿胃肠道梗阻(如气管食管瘘)相关,并与围产期风险增加有关。由于羊水受多条胎儿和胎盘通路的影响,其体积评估提供了宫内健康状况的有用综合指标。
基于MRI的三维体积测量提供了可重复、客观且定量的测量,克服了超声中常用的主观判读、孤立二维(2-D)指标以及本质上欠优的基于公式的体重估算的局限性。尽管有这些优势,基于MRI的体积测量在常规放射实践或产科中很少开展,原因是成本高、安全顾虑、采集时间长(每叠二维切片2–4分钟)以及对胎儿和母体运动的敏感性。大多数研究仍依赖对受运动损坏的平衡稳态自由进动(bSSFP)或T2加权(T2W)单次激发快速自旋回波(SSTSE)图像叠进行劳动密集的手动分割[11–15]。这种方法速度慢、依赖操作者且容易出错,尤其对于羊膜腔、胎儿身体或胎盘等大结构。最近的深度学习方法提供了部分自动化,但大多数直接在原始受运动损坏的图像叠上训练,且通常仅针对单一感兴趣区域,如胎儿身体[5, 16]、胎盘[17, 18]或羊水[19]。多结构方法[20, 21]仍受限于孕周覆盖范围窄、训练队列小以及单一协议数据集。关键的是,原始图像叠中的层面错位和穿面运动限制了体积准确性,且现有方法均无法在真实三维图像中实现胎儿、胎盘和羊水的可靠同步体积测量。
目前也没有专门来源于跨多个场强的健康对照妊娠的这三个腔室的联合正常生长曲线图。鉴于胎儿、胎盘和羊水体积的生理相互依赖性,联合评估已被证明可提高诊断确定性[22]。然而,现有的MRI体积测量研究具有异质性,通常聚焦于单一结构、孕周范围受限或混合转诊人群。仅有一项近期研究报告了基于260例健康胎儿(孕周范围16–36周)的MRI胎儿身体体积正常模型[15]。对于MRI来源的胎盘或羊水体积,尚缺乏可比的正常数据集。因此,临床医生缺乏基于MRI的百分位数和z评分来判断所测体积是否在预期范围内,或评估三个腔室之间的相互关系。因此,建立正常曲线至关重要,可作为一个稳健的标准化框架,据此解释个体测量值,这对全宫内体积测量的临床实用性至关重要。表征跨腔室和纵向关系随后能够早期识别异常发育轨迹。可变形层面到体积配准(DSVR)[23]方法通过从多个受运动损坏的T2W图像叠重建高分辨率各向同性三维图像来应对这些挑战。该过程消除层面间错位并恢复解剖连续性,从而实现更可靠的分割和体积测量[24]。然而,现有的三维胎儿MRI分割工作主要集中在胎儿大脑或单个胎儿器官,且此前没有工作为重建三维MRI中包括胎儿、胎盘和羊水在内的联合全子宫体积测量提供解决方案。
这项工作通过引入首个在运动校正的3-D重建T2加权胎儿MRI中自动进行胎儿、胎盘和羊水容积测量的集成流程,填补了基于MRI的全子宫容积评估中的关键空白,适用于0.55–3 T场强范围。该流程提供:(1)在3-D重建容积中对所有三种结构进行自动深度学习分割;(2)基于357例经确认的健康足月对照扫描建立的标准生长模型,覆盖16–41周胎龄范围;(3)一个报告工具,可计算百分位数和z分数,并生成结构化报告供临床解读。我们进一步通过分析42例胎儿的95次纵向扫描中的患者特异性容积轨迹,以及评估异常早产队列(n=86)中的偏差,展示了该框架的实用性。
材料与方法
队列、图像采集与预处理
胎儿MRI数据集采集于伦敦圣托马斯医院,作为五项经伦理批准的研究的一部分(REC 16/LO/1573、21/SS/0082、21/LO/0742、22/YH/0210、14/LO/1806、19/LO/0736)。所有成像和数据处理程序均遵循相关伦理和临床治理标准,所有参与者均签署了书面知情同意书。
本研究使用来自伦敦圣托马斯医院采集的胎儿MRI数据集中的T2W SSTSE序列,涵盖三台MRI系统:3-T Philips Achieva(Philips Healthcare,荷兰贝斯特)、1.5-T Philips Ingenia(Philips Healthcare,荷兰贝斯特)和0.55-T Siemens MAGNETOM Free.Max(Siemens Healthineers,德国埃尔朗根),采用代表临床实践的方案变体,总结见表1。
完整数据集(训练+分析)包括506次扫描,胎龄范围为16–41周,来自以下各组:总计357例足月对照,确认分娩≥37周,且无胎儿、胎盘或母体异常报告。
总计86例高危病例,包括确认早产≤32周的妊娠或PPROM后终止妊娠的病例。
总计63例额外数据集,仅用于模型训练,包括具有各种胎儿和母体异常、妊娠结局未知或不符合主要纳入标准的病例。
对于每个病例,使用切片到容积重建工具包(SVRTK)框架(https://github.com/SVRTK/auto-proc-svrtk)中实现的可变形切片到容积重建(DSVR)[23]进行全子宫3-D重建。这包括子宫的深度学习(DL)掩模、半自动模板堆栈质量控制和以1.2-mm各向同性分辨率重建。另有28个数据集使用更新的深度生成先验DSVR方法[25]进行重建。总体而言,0.55-T数据集的图像质量因分辨率和信噪比较低而导致更细微特征模糊,本质上不如更高场强下的图像质量。
容积分析的一般纳入标准为:(1)单胎妊娠;(2)质量可接受的3-D重建[24],子宫覆盖完整;(3)胎儿身体、胎盘和羊水具有足够的可见性。
正常对照队列由妊娠结局为足月健康分娩、且无胎儿、胎盘或母体结构异常的妊娠组成。早产队列代表早期分娩(≤32周),包括合并未足月胎膜早破(PPROM)的病例,因此反映了具有临床意义的宫内病理情况。除妊娠结局外,我们还收集了可获得的母体人口学信息,包括种族、体重和身高(如有报告)。出生体重百分位数采用胎儿医学基金会的新生儿人群图表计算 [26]。
自动分割
我们为整体宫内解剖定义了一个分割方案,包含四个标签:整个胎儿(进一步分为胎儿头部和胎儿身体)、胎盘、羊水,以及脐带(设为零标签,不纳入体积测量)。
对于自动分割(图1),我们训练了一个基于经典3D U-Net架构 [27] 的深度学习模型,该模型在医学开放人工智能网络(MONAI)框架 [28] 中实现。预处理包括强度归一化和重采样,并填充至256×256×256网格。
训练使用了223例(100例3 T、30例1.5 T、93例0.55 T)人工标注的3D-DSVR重建图像,孕周跨度为17–39周,采集自0.55-T、1.5-T和3-T MRI系统。训练共进行100,000次迭代,并使用MONAI标准数据增强(仿射旋转和偏置场)。训练队列包括确认足月分娩的正常对照、高危PPROM早产病例,以及一系列结构异常的胎儿,以确保模型在多样化解剖结构和成像条件下的稳健性。
金标准标签通过一个迭代过程生成,该过程结合了现有的内部深度学习模型、ITK-SNAP [29] 中的手动分割,以及多轮交替进行的模型训练和人工细化,以提高解剖一致性和边界精度。
模型性能在独立测试集上评估,该测试集包含43例未用于训练的数据集,涵盖不同孕周和场强(0.55 T、1.5 T、3 T)。评估期间,每个分割结果均在二维切片和三维渲染中检查,并对每个结构按1–4级进行质量评分(1=差,2=欠佳,3=最佳,4=良好)。随后,一名胎儿MRI研究人员对每例进行人工细化以创建参考标签,从而能够使用Dice评分以及绝对/相对体积差异比较自动分割与细化分割的结果。
正常生长建模
将训练好的模型应用于357例正常对照的3D-DSVR T2加权全子宫重建图像,这些图像采集自0.55-T、1.5-T和3-T系统。所有自动标签均经过视觉检查,并在必要时于ITK-SNAP中进行人工细化,以确保胎儿、胎盘和羊水的准确勾画。
对于每例,从校正后的标签中提取体积测量值(以立方厘米为单位)。这些体积随后用于构建胎儿、胎盘和羊水体积随孕周变化的正常生长模型。孕龄轨迹的第50、第5和第95百分位数采用二次回归估计,遵循既定方法学 [30]。
正常对照组的统计分析使用Python statsmodels库(https://www.statsmodels.org)中实现的协方差分析(ANCOVA)进行,以评估体积、胎龄与母体或胎儿特征之间的关联。
生成的正常模型被整合到一个百分位数计算器(Excel格式)和一个基于Python的报告工具中,该工具可生成结构化的HTML报告,包括分割可视化和百分位数图。此外,根据Baker等人定义的公式(EFWBaker(kg)=1.031·Vfetus+0.12)[31],从胎儿体积计算估计胎儿体重。所有自动分割组件、百分位数计算器和报告脚本均在auto-SVRTK仓库(https://github.com/SVRTK/auto-proc-svrtk)中公开在线提供。
足月组与早产组的体积分析
为评估分割流程和正常模型的临床实用性,我们对86例早产病例(分娩≤32周,包括PPROM)与正常对照组进行了比较分析。所有早产数据集均使用相同的自动网络进行分割,并经过视觉质量审查,必要时进行手动修正以确保各组间的一致性。
体积比较使用绝对体积和胎龄校正后的百分位数进行,以评估注定早产的胎儿在MRI检查时是否偏离了预期的生长模式。统计分析使用ANCOVA进行,校正了MRI检查时的胎龄。
结果
自动分割
训练好的分割模型在43个独立数据集上进行了评估,这些数据集涵盖三种场强、广泛的胎龄范围、不同的胎儿和胎盘位置,以及足月和早产妊娠(图2)。17-38周妊娠的分割示例如图3所示。在此范围内,三维标签对所有结构均显示出平滑、解剖学上合理的边界和逼真的外观。定性评分和定量结果总结于图2中。
总体而言,分割质量较高,大多数结构获得了良好或优秀的评分。平均质量评分为:胎儿3.63±0.54,胎盘3.74±0.49,羊水3.95±0.21。仅有一例胎儿分割和一例胎盘分割被评为欠佳。这与定量指标一致,后者显示出较高的Dice相似度和较低的相对体积误差。大多数修正在胎盘-子宫肌层界面处需要,该处对比度可能有限且胎盘形态不规则;此外在胎儿肢体周围也需要修正,因为肢体可能难以与脐带区分——尤其是在羊水减少的PPROM病例中以及图像质量较低的0.55-T数据集中。
正常生长建模
正常对照队列的汇总特征见补充图S1。所有357个对照数据集的自动分割结果均经过视觉审查。大多数数据可立即用于容积分析;87例(<所有数据集的25%)需要轻微人工修正,主要位于胎盘-子宫肌层界面(该处对比度有限)以及胎儿肢体周围。这些修正(例如,部分脐带被分割为胎儿肢体、部分胎盘分割不足)速度很快(通常每例<2分钟),对最终生长模型无有意义的影响。随后计算所有容积指标的z分数和百分位数。图4展示了胎儿、胎盘和羊水容积的二次孕龄生长曲线(第5、50、95百分位数),以及胎儿头-体容积比。
胎儿容积显示出与孕龄预期的强正相关(P<0.001),其范围与既往报道的MRI常模一致 [12, 15]。
变异度在约30周后增加,反映了更大的解剖异质性和预期的生物学离散度。胎儿头-体比随孕龄增加而下降(P<0.001),遵循已知的身体比例生长模式和头部优势的相对降低 [32]。
胎盘容积也随孕龄显著增加(P<0.001),其范围与既往报道相似 [12, 14]。在校正孕龄后,胎盘容积与母亲身高和母亲体重呈正相关(均P<0.01)。胎盘容积和胎盘百分位数还与胎儿容积及胎儿容积百分位数相关(P<0.001)。这与胎盘质量与胎儿生长之间已确立的关系一致,因为较大的胎盘通常反映更大的绒毛表面积和更好的子宫胎盘灌注 [7, 8]。
羊水容积在整个妊娠期显示出较大的个体间差异(与既往研究一致 [12]),但遵循显著的二次曲线模式(P<0.001),在孕中期达到峰值并在近足月时下降——这与胎儿吞咽、肾脏排出和胎盘液体转运等已知生理机制一致 [33]。较高的羊水容积及百分位数与胎盘容积和胎盘百分位数呈正相关(P<0.01),反映了二者对胎盘灌注和胎儿健康的共同依赖。
在校正分娩孕龄后,出生体重与胎儿容积、胎盘容积和头-体比百分位数强相关(P<0.001)。较高的胎儿和胎盘容积以及较低的头-体比(反映胎儿身体相对较大)与较高的出生体重相关。羊水百分位数也与出生体重相关(P<0.001)。此外,胎儿容积百分位数在性别间存在差异,男性胎儿容积更高,这与已知的胎儿生长轨迹和出生体重分布中的性别差异一致(图5)[34]。
尽管扫描仪间的一般体积趋势存在重叠,但协方差分析(ANCOVA)显示场强对胎儿体积(1.5 T与3 T之间,P<0.001)和胎盘体积(1.5 T与3 T之间,P<0.01)存在显著影响,1.5 T队列的值略小。这些差异很可能由孕周(GA)分布不均、3 T病例比例较大以及其他方案相关因素(如分辨率)所导致,而非真正的生物学变异。这强调了在跨多个场强推导正常体积模型时,统一采集方案和仔细匹配纳入标准的重要性。
为评估患者特异性生长轨迹与正常模型的相关性,我们对来自足月对照队列的42例具有多个孕周时间点的胎儿纵向数据集(共95次扫描)进行了体积分析。图6展示了7例具有三个时间点的体积变化示例。胎儿体积随孕周稳步增长,并遵循生长模型趋势(生长速率斜率为146.6±39.4 cc/周)。胎盘体积在整个孕期也持续增加,与正常模型轨迹相似(生长速率斜率为38.8±14.7 cc/周)。羊水体积的变化在病例间表现出高度变异性(生长速率斜率为3.3±35.5 cc/周),并在孕晚期呈下降趋势,这与预期的生理模式一致,即孕中期达到峰值后逐渐下降至足月[33]。在各胎儿之间,胎儿和胎盘体积的个体生长速率仅呈弱相关(r≈0.12)。有趣的是,胎儿生长速率与羊水斜率呈中度负相关(r≈0.44),提示胎儿体积快速增加的病例往往表现为羊水量稳定或下降。
总体而言,这些发现证明了所生成的正常体积模型的有效性和临床相关性,同时也强调了未来工作需要纳入详细的人口统计学因素、异常病例和异常百分位数,以支持个性化生长预测和改进诊断分层。
足月与早产队列的体积分析
为评估所提出的自动体积测量流程的可行性和临床实用性,我们将其应用于一个由86例早产数据集组成的异质性异常队列,该队列包含未足月胎膜早破(PPROM)妊娠和胎膜完整妊娠的混合病例,均于孕周≤32周分娩,并与252例在孕周≤32周时扫描的足月出生对照进行比较。早产组(图7)涵盖了一系列临床指征和妊娠并发症,包括自发性早产、需择期分娩的子痫前期、PPROM,以及选择终止妊娠的PPROM病例。这些受试者根据早产高风险预测被招募,随后在孕周<32周时分娩。
所有早产数据集均自动分割,随后进行视觉审查。35例需要手动修正,主要集中在胎盘和胎儿身体区域。这通常是由于PPROM中软组织可见度降低和羊水显著减少所致,且修正耗时很短(每例<5分钟)。这些发现凸显了针对非典型解剖结构进一步重新训练模型的重要性,并强调了在未来版本的流程中加入自动化质量控制方法的必要性。
如图7所示,早产队列的胎儿体积分布较广,但与足月对照组相比趋势线显著偏低(P<0.001),表现为胎儿体积百分位数较低(P<0.001),与既往研究一致[35]。早产妊娠的胎盘体积和胎盘百分位数同样显著降低(P<0.001),与早产和高血压疾病中描述的胎盘发育受损或子宫胎盘灌注受损一致[7]。
早产队列的羊水量也显著减少,尤其是在PPROM病例中,胎膜破裂导致羊水流失。这一趋势在绝对体积(P<0.01)和百分位数(P<0.001)中均有体现。
自动生成的.html体积测量报告在PPROM病例中的示例见补充图S2。在两个示例中,羊水百分位数均<第5百分位。其中一例胎儿和胎盘体积均<第5百分位,而另一例尽管存在严重羊水过少,胎儿和胎盘体积仍保持在正常范围内。报告格式和基于百分位数的解读经胎儿MRI临床医生审查,认为清晰、具有临床意义,且有助于整合到常规报告工作流程中。
综上,这些结果表明自动化体积测量流程能够捕捉正常与高危妊娠之间有意义的生理差异,并支持其在临床和研究环境中应用的可行性。它们还说明了该工具有潜力作为基础框架,用于进一步优化和针对特定临床场景及病理聚焦模型进行重新训练。
讨论
本研究提出了首个在运动校正3-D重建T2W胎儿MRI中,跨0.55-T、1.5-T和3-T采集协议对胎儿、胎盘和羊水进行自动化体积测量的整合框架。利用可变形切片到体积重建和3-D U-Net,我们从一个包含357例经确认的健康足月对照妊娠(扫描孕周16–41周)的大型且定义明确的队列中得出了正常体积生长图表。这直接解决了既往MRI体积测量长期存在的局限性,即依赖劳动密集型的2-D运动损坏切片手动分割,且DL模型主要训练为仅分割单一感兴趣区域。重要的是,尽管临床上需要可靠的参考曲线用于z评分和异常检测,目前仍缺乏从经确认的健康对照队列生成的胎儿、胎盘或羊水的真正正常MRI体积测量的联合模型。
该分割模型在不同场强和孕周下均表现稳健,仅需少量手动微调——主要位于胎盘–子宫肌层界面,这是胎儿MRI中已知的低对比度区域。在异质性采集协议下的良好表现支持了该方法的泛化能力及其在回顾性和前瞻性数据集中的实用性。
得出的生长曲线再现了公认的生理模式。胎儿体积稳步增加,临近足月时方差逐渐增大,与超声和MRI文献一致[15]。胎盘体积在整个妊娠期持续增加,反映了绒毛成熟和血管扩张,并与母亲身高、体重及出生体重呈正相关——这些关系与已知的胎盘质量、子宫胎盘容量和新生儿体格之间的相关性一致。羊水量显示出预期的高个体间变异性以及特征性的孕中期峰值和孕晚期下降,反映了胎儿尿液生成、吞咽和膜内吸收之间平衡的变化。
MRI-derived volumetry also demonstrated meaningful correlations with birth weight. Higher fetal and placental volumes, and lower fetal head–body ratios, were associated with higher birth weight after GA correction. Sex-related differences in total fetal volume (larger in males) further matched established biological patterns.
对42例足月对照胎儿的95次纵向扫描分析显示,胎儿和胎盘生长轨迹遵循正常曲线,而羊水斜率变异较大——这与羊水调节的动态生理一致。这些发现凸显了当超声不确定或不足时,MRI体积测量在个性化生长评估中的潜力。
在86例≤32周分娩的早产妊娠中的应用显示,与匹配的足月对照相比,胎儿、胎盘和羊水体积及百分位数显著降低。这些发现与PPROM、子痫前期和自发性早产中已知的胎盘功能、胎儿生长和膜完整性受损一致。在严重羊水丢失的病例中偶尔需要轻微细化调整,但自动分割在整个队列中仍保持可行,表明其具有真实世界的临床适用性。
总体而言,我们的研究结果证明了自动化全子宫体积测量在横断面和纵向环境中检测生长轨迹偏差的价值。该流程为定量胎儿和胎盘MRI提供了实用基础。
就局限性而言,分割准确性仍部分依赖于DSVR重建质量和局部图像对比度。胎盘-子宫肌层界面和胎儿肢体仍然具有挑战性,尤其是在羊水显著减少的PPROM病例中。未来的工作可以结合有针对性的数据增强、对比度感知架构或基于注意力的模型,以减少人工校正的需要,同时结合自动化质量控制评分以提高可靠性。正常模型来自经确认足月分娩的健康妊娠,但若干相关的生物学和人口学修饰因素——如胎儿性别、母亲年龄、身高、体重、种族以及总体健康状况或体能——尽管已知其对胎儿和胎盘大小有影响,却未被明确纳入。未来的扩展将侧重于人口学调整的正常曲线和混合效应、高斯过程建模,或其他拟合方法如Gompertz模型,后者可能更好地适应生长轨迹的非线性。更广泛地纳入种族和社会经济多样化的队列对于提高地理和人群层面的泛化能力也至关重要。
目前的流程聚焦于全子宫内结构。将该框架扩展到更多胎儿器官(如肺、肝、脑)[36, 37]将支持器官特异性容积测量流程,这些流程通常依赖胎儿总体积进行标准化。进一步整合胎盘表面积估计、胎盘位置自动表征、脐带插入点定位和胎方位评估,可丰富全子宫分析的实用性。
最后,跨厂商、场强和采集方案的多中心验证对于确立泛化能力并加速在常规临床工作流程中的应用非常重要。结合配对MRI-超声容积测量的补充研究——包括全子宫和器官特异性测量——将有助于了解跨模态可重复性,并帮助确定自动化MRI容积测量如何最好地补充已建立的基于超声的评估。
结论
我们提出了首个在运动校正3-D重建T2加权胎儿MRI中同时进行胎儿、胎盘和羊水容积测量的自动化框架,以及首个来自经确认的健康足月对照妊娠大队列、在0.55–3-T扫描仪场强下得出的联合正常容积生长模型。该流程在广泛的MRI场强范围内提供了高效、标准化的容积评估,通过z分数和百分位数支持个体化解读,并在正常和高危妊娠中均表现可靠。在纵向队列和早产队列中展示的适用性凸显了其整合到常规胎儿MRI评估以及未来定量胎儿和胎盘研究中的潜力。
补充信息
以下是电子补充材料的链接。ESM 1(PDF 1.09 MB)
引用
- Uus, Hall, Bradshaw, et al. Normative volumetric growth modeling of the whole fetal body, placenta, and amniotic fluid for three-dimensional T2-weighted magnetic resonance imaging. Pediatr Radiol. 2026. PMID: 42287424. doi:10.1007/s00247-026-06682-3
- 全文:PMC13407711(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13407711/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。