Untuk wanita hamil, USG adalah prosedur informatif (dan kadang -kadang perlu). Mereka biasanya menghasilkan pemindaian janin hitam-putih dua dimensi yang dapat mengungkapkan wawasan utama, termasuk seks biologis, ukuran perkiraan, dan kelainan seperti masalah jantung atau bibir sumbing. Jika dokter Anda ingin melihat lebih dekat, mereka dapat menggunakan magnetic resonance imaging (MRI), yang menggunakan medan magnet untuk menangkap gambar yang dapat digabungkan untuk membuat tampilan 3D janin.
MRI bukanlah tangkap semua; Pemindaian 3D sulit bagi dokter untuk menafsirkan dengan cukup baik untuk mendiagnosis masalah karena sistem visual kami tidak terbiasa memproses pemindaian volumetrik 3D (dengan kata lain, tampilan bungkus yang juga menunjukkan kepada kita struktur bagian dalam suatu subjek). Masukkan pembelajaran mesin, yang dapat membantu memodelkan perkembangan janin dengan lebih jelas dan akurat dari data – meskipun tidak ada algoritma seperti itu yang dapat memodelkan gerakan mereka yang agak acak dan berbagai bentuk tubuh.
Artinya, sampai pendekatan baru yang disebut “SMPL janin” dari Ilmu Komputer MIT dan Laboratorium Kecerdasan Buatan (CSAIL), Rumah Sakit Anak Boston (BCH), dan Harvard Medical School memberi gambaran kesehatan janin yang lebih rinci. Itu diadaptasi dari “SMPL” (model multi-orang berkulit), model 3D yang dikembangkan dalam grafik komputer untuk menangkap bentuk dan pose tubuh dewasa, sebagai cara untuk mewakili bentuk tubuh janin dan berpose secara akurat. SMPL janin kemudian dilatih pada 20.000 volume MRI untuk memprediksi lokasi dan ukuran janin dan membuat representasi 3D seperti patung. Di dalam setiap model adalah kerangka dengan 23 sendi yang diartikulasikan yang disebut “pohon kinematik,” yang digunakan sistem untuk berpose dan bergerak seperti janin yang dilihatnya selama pelatihan.
Pemindaian dunia nyata yang luas yang dipelajari SMPL janin dari membantu mengembangkan akurasi tepat. Bayangkan melangkah ke jejak kaki orang asing saat ditutup matanya, dan tidak hanya cocok dengan sempurna, tetapi Anda dengan benar menebak sepatu apa yang mereka kenakan – juga, alat ini sangat cocok dengan posisi dan ukuran janin dalam bingkai MRI yang belum pernah dilihat sebelumnya. SMPL janin hanya tidak selaras dengan rata -rata sekitar 3,1 milimeter, celah yang lebih kecil dari satu butir beras.
Pendekatan ini dapat memungkinkan dokter untuk mengukur hal -hal seperti ukuran kepala atau perut bayi dan membandingkan metrik ini dengan janin sehat pada usia yang sama. SMPL janin telah menunjukkan potensi klinisnya dalam tes awal, di mana ia mencapai hasil penyelarasan yang akurat pada sekelompok kecil pemindaian dunia nyata.
“Bisa jadi sulit untuk memperkirakan bentuk dan pose janin karena mereka dijejalkan ke dalam batas ketat rahim,” kata penulis utama, mahasiswa PhD MIT, dan peneliti CSAIL Yingcheng Liu SM ’21. “Pendekatan kami mengatasi tantangan ini menggunakan sistem tulang yang saling berhubungan di bawah permukaan model 3D, yang mewakili tubuh janin dan gerakannya secara realistis. Kemudian, ia bergantung pada algoritma keturunan koordinat untuk membuat prediksi, yang pada dasarnya bergantian antara pose dan bentuk dari data yang rumit hingga menemukan estimasi yang dapat diandalkan.
Di dalam rahim
SMPL janin diuji pada bentuk dan menimbulkan akurasi terhadap baseline terdekat yang dapat ditemukan oleh para peneliti: sistem yang memodelkan pertumbuhan bayi yang disebut “smil.” Karena bayi yang keluar dari rahim lebih besar dari janin, tim menyusut model -model tersebut sebesar 75 persen untuk meratakan lapangan bermain.
Sistem ini mengungguli garis dasar ini pada dataset MRI janin antara usia kehamilan 24 dan 37 minggu yang diambil di Rumah Sakit Anak Boston. SMPL janin mampu menciptakan kembali pemindaian nyata secara lebih tepat, karena model -modelnya berbaris erat dengan MRI asli.
Metode ini efisien dalam mengantre model mereka ke gambar, hanya membutuhkan tiga iterasi untuk sampai pada keselarasan yang masuk akal. Dalam percobaan yang menghitung berapa banyak tebakan yang salah yang dilakukan SMPL janin sebelum tiba pada perkiraan akhir, akurasinya datar dari langkah keempat dan seterusnya.
Para peneliti baru saja mulai menguji sistem mereka di dunia nyata, di mana ia menghasilkan model yang sama akuratnya dalam tes klinis awal. Meskipun hasil ini menjanjikan, tim mencatat bahwa mereka perlu menerapkan hasil mereka pada populasi yang lebih besar, usia kehamilan yang berbeda, dan berbagai kasus penyakit untuk lebih memahami kemampuan sistem.
Hanya kulit dalam
Liu juga mencatat bahwa sistem mereka hanya membantu menganalisis apa yang dapat dilihat dokter di permukaan janin, karena hanya struktur seperti tulang yang terletak di bawah kulit model. Untuk memantau kesehatan internal bayi dengan lebih baik, seperti perkembangan hati, paru -paru, dan otot, tim bermaksud untuk membuat alat mereka volumetrik, memodelkan anatomi batin janin dari pemindaian. Peningkatan seperti itu akan membuat model lebih seperti manusia, tetapi versi SMPL janin saat ini sudah menghadirkan peningkatan yang tepat (dan unik) ke analisis kesehatan janin 3D.
“Studi ini memperkenalkan metode yang dirancang khusus untuk MRI janin yang secara efektif menangkap gerakan janin, meningkatkan penilaian perkembangan dan kesehatan janin,” kata Kiho IM, Profesor Rekanan Sekolah Kedokteran Harvard dari Pediatri dan Ilmuwan Staf di Divisi Kedokteran Bayi Baru Lahir di Pusat Sains Sains-Neonatal Janin-Neonatal. Im, yang tidak terlibat dengan makalah ini, menambahkan bahwa pendekatan ini “tidak hanya akan meningkatkan kegunaan diagnostik MRI janin, tetapi juga memberikan wawasan tentang perkembangan fungsional awal otak janin dalam kaitannya dengan gerakan tubuh.”
“Pekerjaan ini mencapai tonggak perintis dengan memperluas model tubuh manusia permukaan parametrik untuk bentuk -bentuk kehidupan manusia yang paling awal: janin,” kata Sergi Pujades, seorang profesor di University Grenoble Alpes, yang tidak terlibat dalam penelitian ini. Ini memungkinkan kita untuk menurunkan bentuk dan gerakan manusia, yang telah terbukti menjadi kunci dalam memahami bagaimana bentuk tubuh orang dewasa berhubungan dengan kondisi metabolisme dan bagaimana gerakan bayi berhubungan dengan gangguan perkembangan saraf. Selain itu, masa depan yang lebih lama, dan pada waktu yang lebih lama, dan akan dipelajari oleh orang dewasa (smpl) dan bayi. Peluang untuk lebih mengukur bagaimana pertumbuhan bentuk dan gerak manusia dipengaruhi oleh kondisi yang berbeda. “
Liu menulis makalah dengan tiga anggota CSAIL: Peiqi Wang SM ’22, PhD ’25; MIT PhD Student Sebastian Diaz; dan penulis senior Polina Golland, profesor Sunlin dan Priscilla Chou dari Teknik Listrik dan Ilmu Komputer, seorang penyelidik utama di MIT CSAIL, dan pemimpin kelompok visi medis. Asisten Profesor Pediatrik Esra Abaci Turk, Peneliti Inria Benjamin Billot, dan Profesor Pediatri Sekolah Kedokteran Harvard dan Profesor Radiologi Patricia Ellen Grant juga penulis di atas kertas. Pekerjaan ini didukung, sebagian, oleh National Institutes of Health dan Program MIT CSAIL-Wistron.
Para peneliti akan mempresentasikan pekerjaan mereka di Konferensi Internasional tentang Komputasi Gambar Medis dan Intervensi Bantuan Komputer (MICCAI) pada bulan September.
