Abstract In fetal MRI, automated localisation of the fetal brain or trunk is a prerequisite for motion correction methods. However, the existing CNN-based solutions are prone to errors and may require manual editing. In this work, we propose to combine a multi-label 3D UNet with a GAN discriminator for localisation of both fetal brain and trunk in fetal MRI stacks. The proposed method is robust for datasets with both full and partial coverage of the fetal body.

ABSTRACT Structural and diffusion MRI provide complimentary anatomical and microstructural characterization of early brain maturation. The existing models of the developing brain in time include only either structural or diffusion channels. Furthermore, there is a lack of tools for combined analysis of structural and diffusion MRI in the same reference space. In this work we propose methodology to generate multi-channel (MC) continuous spatio-temporal parametrized atlas of brain development based on MC registration driven by both T2-weighted and orientation distribution functions (ODF) channels along with the Gompertz model (GM) fitting of the signals and spatial transformations in time. We construct a 4D MC atlas of neonatal brain development during 38 to 44 week PMA range from 170 normal term subjects from developing Human Connectomme Project. The resulting atlas consists of fourteen spatio-temporal microstructural indices and two parcellation maps delineating white matter tracts and neonatal transient structures. We demonstrate applicability of the atlas for quantitative region-specific comparison of 140 term and 40 preterm subjects scanned at the term-equivalent age. We show multi-parametric microstructural differences in multiple white matter regions, including the transient compartments. The atlas and software will be available after publication of the article.

Abstract Background 3D image-domain reconstruction of black blood contrast T2w SSTSE fetal MRI datasets using slice-to-volume registration methods showed to provide high-resolution 3D images of the heart with superior visualisation of fetal aortic arch anomalies [1]. However, there is a lack of formalisation of the MRI appearance of fetal cardiovascular anatomy and standardisation of vessel segmentation protocols. Methods In this work, we present the first set of 3D fetal MRI atlases defining normal and abnormal fetal aortic arch anatomy created from 3D reconstructed images from 87 subjects scanned between 29-34 weeks of gestation with postnatally confirmed outcomes. We also implement and evaluate atlas-guided registration and deep learning (UNETR) methods for automated 3D multi-label fetal heart vessel segmentation. Results We created four atlases representing the average anatomy of the normal fetal heart, coarctation of the aorta, right aortic arch and suspected double aortic arch. Inspection of atlases confirmed the expected pronounced differences in the anatomy of the aortic arch. The results of the multi-label heart vessel UNETR segmentation showed 100% per-vessel detection rate for both normal and abnormal aortic arch anatomy. Conclusions This work introduces the first set of 3D black blood T2w MRI atlases of the normal and abnormal fetal cardiovascular anatomy along with detailed segmentation of the major cardiovascular structures. We also demonstrated the feasibility of using deep learning for multi-label vessel segmentation.

ABSTRACT Down syndrome (DS) is the most common genetic cause of intellectual disability with a wide spectrum of neurodevelopmental outcomes. Magnetic resonance imaging (MRI) has been used to investigate differences in whole and/or regional brain volumes in DS from infancy to adulthood. However, to date, there have been relatively few in vivo neonatal brain imaging studies in DS, despite the presence of clearly identifiable characteristics at birth. Improved understanding of early brain development in DS is needed to assess phenotypic severity and identify appropriate time windows for early intervention. In this study, we used in vivo brain MRI to conduct a comprehensive volumetric phenotyping of the neonatal brain in DS. Using a robust cross-sectional reference sample of close to 500 preterm- to term-born control neonates, we have performed normative modelling and quantified volumetric deviation from the normative mean in 25 individual infants with DS [postmenstrual age at scan, median (range) = 40.57 (32.43 – 45.57) weeks], corrected for sex, age at scan and age from birth. We found that absolute whole brain volume was significantly reduced in neonates with DS (pFDR <0.0001), as were most underlying absolute tissue volumes, except for the lentiform nuclei and the extracerebral cerebrospinal fluid (eCSF), which were not significantly different, and the lateral ventricles, which were significantly enlarged (pFDR <0.0001). Relative volumes, adjusting for underlying differences in whole brain volume, revealed a dynamic shift in brain proportions in neonates with DS. In particular, the cerebellum, as well as the cingulate, frontal, insular and occipital white matter (WM) segments were significantly reduced in proportion (pFDR <0.0001). Conversely, deep grey matter (GM) structures, such as the thalami and lentiform nuclei, as well as CSF-filled compartments, such as the eCSF and the lateral ventricles were significantly enlarged in proportion (pFDR <0.0001). We also observed proportionally reduced frontal and occipital lobar volumes, in contrast with proportionally enlarged temporal and parietal lobar volumes. Lastly, we noted age-related volumetric differences between neonates with and without a congenital heart defect (CHD), indicating that there may be a baseline brain phenotype in neonates with DS, which is further altered in the presence of CHD. In summary, we provide a comprehensive volumetric phenotyping of the neonatal brain in DS and observe many features that appear to follow a developmental continuum, as noted in older age cohorts. There are currently no paediatric longitudinal neuroimaging investigations in DS, starting from the earliest time points, which greatly impedes our understanding of the developmental continuum of neuroanatomical parameters in DS. Whilst life expectancy of individuals with DS has greatly improved over the last few decades, early interventions may be essential to help improve outcomes and quality of life. GRAPHICAL ABSTRACT

ABSTRACT Slice-to-volume registration (SVR) methods allow reconstruction of high-resolution 3D images from multiple motion-corrupted stacks. SVR-based pipelines have been increasingly used for motion correction for T2-weighted fetal MRI since they allow more informed and detailed diagnosis of brain and body anomalies including congenital heart defects (Lloyd et al., 2019). Recently, fully automated rigid SVR reconstruction of the fetal brain in the atlas space was achieved in (Salehi et al., 2019) that used convolutional neural networks (CNNs) for segmentation and pose estimation. However, these CNN-based methods have not yet been applied to the fetal trunk region. Meanwhile, the existing rigid and deformable SVR (DSVR) solutions (Uus et al., 2020) for the fetal trunk region are limited by the requirement of manual input as well the narrow capture range of the classical gradient descent based registration methods that cannot resolve severe fetal motion frequently occurring at the early gestational age (GA). Furthermore, in our experience, the conventional 2D slice-wise CNN-based brain masking solutions are reportedly prone to errors that require manual corrections when applied on a wide range of acquisition protocols or abnormal cases in clinical setting. In this work, we propose a fully automated pipeline for reconstruction of the fetal thorax region for 21-36 weeks GA range T2-weighted MRI datasets. It includes 3D CNN-based intra-uterine localisation of the fetal trunk and landmark-guided pose estimation steps that allow automated DSVR reconstruction in the standard radiological space irrespective of the fetal trunk position or the regional stack coverage. The additional step for generation of the common template space and rejection of outliers provides the means for automated exclusion of stacks affected by low image quality or extreme motion. The pipeline was evaluated on a series of experiments including fetal MRI datasets and simulated rotation motion. Furthermore, we performed a qualitative assessment of the image reconstruction quality in terms of the definition of vascular structures on 100 early (median 23.14 weeks) and late (median 31.79 weeks) GA group MRI datasets covering 21 to 36 weeks GA range.

Abstract Congenital heart disease (CHD) is the most commonly diagnosed birth defect. T2w black blood MRI provides optimal vessel visualisation, aiding prenatal CHD diagnosis. Common clinical practice involves manual segmentation of fetal heart and vessels for visualisation and reporting purposes. We propose an automated multi-label fetal cardiac vessels deep learning segmentation approach for T2w black blood MRI. Our network is trained using single-label manual segmentations obtained through current clinical practice, combined with a multi-label anatomical atlas with desired multi-label segmentation protocol. Our framework combines deep learning label propagation with 3D residual U-Net segmentation to produce high-quality multi-label output well adapted to the individual subject anatomy. We train and evaluate the network using forty fetal subjects with suspected coarctation of the aorta, achieving a dice score of 0.79 ± 0.02 for the fetal cardiac vessels region. The proposed network outperforms the label propagation and achieves a statistically equivalent performance to a 3D residual U-Net trained exclusively on manual single-label data (p-value > 0.05). This multi-label framework therefore represents an advancement over the single-label approach, providing label-specific anatomical information, particularly useful for assessing specific anomaly areas in CHD.

Abstract The development of connectivity between the thalamus and maturing cortex is a fundamental process in the second half of human gestation, establishing the neural circuits that are the basis for several important brain functions. In this study, we acquired high-resolution in utero diffusion MRI from 140 fetuses as part of the Developing Human Connectome Project, to examine the emergence of thalamocortical white matter over the second to third trimester. We delineate developing thalamocortical pathways and parcellate the fetal thalamus according to its cortical connectivity using diffusion tractography. We then quantify microstructural tissue components along the tracts in the fetal compartments that are critical substrates for white matter maturation, such as the subplate and intermediate zone. We identify patterns of change in the diffusion metrics that reflect critical neurobiological transitions occurring in the second to third trimester, such as the disassembly of radial glial scaffolding and the lamination of the cortical plate. These maturational trajectories of MR signal in transient fetal compartments provide a normative reference to complement histological knowledge, facilitating future studies to establish how developmental disruptions in these regions contribute to pathophysiology.

The structural scaffolding of the human brain is assembled during the fetal period through a series of rapid, dynamic, and intersecting processes. The third trimester of gestation is characterised by the emergence of complex patterns of cortical folding, the development of white matter connections, lamination of the cortex and formation of neural circuits. Multiple hypotheses have been proposed to explain how these processes interact to drive the formation of cortical convolutions, however there are no data-driven analyses during the fetal period to address them empirically. To explore this gap in understanding, we quantify microstructural changes in the transient fetal compartments undergoing significant developmental change at the onset of gyrification in utero, the subplate (SP) and cortical plate (CP). Using high angular resolution multi-shell diffusion-weighted imaging (HARDI) as part of the Developing Human Connectome Project (dHCP), our analysis reveals that the anisotropic, tissue component of the diffusion signal in the SP and CP decreases immediately prior to the formation of sulcal fundi in the fetal brain. By back-projecting a map of folded brain regions onto the unfolded brain, we provide evidence for cytoarchitectural differences between gyral and sulcal areas at the end of the second trimester, suggesting that regional variation in the density and complexity of neuropil in transient fetal compartments plays a mechanistic function in the onset of folding across the brain.

Motivation: Maternal supine sleeping position in the third trimester has been linked to decreased uterine blood flow and increases in stillbirth. Goal(s): To investigate the impact of maternal position on fetal and placental T2* values by taking advantage of the increased dynamic T2* range at low field strengthsApproach: We acquired dynamic whole uterus multi-echo gradient echo sequences at 0.55T with the subject in both left lateral and supine positions and compare the T2* placental and fetal body organ values organs in 91 subjects. Results: Significant differences in mean T2* values were observed between both positions in the placenta and 7 fetal body organs. Impact: Maternal position significantly impacts mean placental and fetal body T2* values. In addition, future quantitative fetal T2* studies should consider maternal position in their study design.

Motivation: A novel pipeline for the creation of 3D fetal whole-heart datasets has been devised by combining Doppler US-gating and slice-to-volume registration. Goal(s): Our goal was to perform initial validation of the resultant 3D+t datasets. Approach: We assessed for internal consistency by deriving fetal stroke volume data from two methods in six subjects. Stroke volume data were obtained through volumetric analysis of the 3D+t volume alongside assessment of paired 2D+t phase-contrast flow data. Results: There was correlation between volumetrically derived stroke-volume data with that derived from 2D+t phase contrast flow, however the volumetric method was biased toward lower readings. Impact: Initial validation of a novel pipeline for the creation 3D fetal whole-heart datasets shows correlation between stroke volumes derived from volumetry and phase contrast flow data. Future work will explore the bias toward lower stroke volumes obtained by volumetry.