Ein neues maschinelles Lernverfahren namens „Fetal SMPL“, entwickelt von Forschern des MIT CSAIL, Boston Children’s Hospital und Harvard Medical School, ermöglicht detailliertere 3D-Darstellungen von Föten aus MRT-Scans. Das Tool verbessert die Analyse der fetalen Gesundheit, indem es Form und Bewegungen des Fötus präzise modelliert, was Ärzten genauere Messungen von Größe und Entwicklung ermöglicht.
Bisherige 3D-MRT-Bilder waren für Ärzte schwer zu interpretieren, da das menschliche Sehvermögen Schwierigkeiten mit volumetrischen Scans hat. Fetal SMPL, basierend auf dem SMPL-Modell für Erwachsene, wurde mit 20.000 MRT-Bildern trainiert und nutzt ein Skelett mit 23 Gelenken, um Bewegungen und Formen realistisch darzustellen. Es erreichte eine durchschnittliche Abweichung von nur 3,1 Millimetern bei der Modellierung von Fötuspositionen.
Das System übertraf den bisherigen Standard „SMIL“ (Infant-Modell) in Tests mit MRT-Daten von Föten zwischen der 24. und 37. Schwangerschaftswoche. Es ermöglicht präzise Vergleiche mit gesunden Föten und zeigte in ersten klinischen Tests vielversprechende Ergebnisse. Zukünftig soll Fetal SMPL auch innere Organe modellieren, um die Analyse von Leber, Lunge und Muskeln zu verbessern.
Die Forschung wird auf der International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) im September vorgestellt. Sie wurde teilweise vom National Institutes of Health und dem MIT CSAIL-Wistron Program unterstützt.
