Diffusion-weighted MRI is increasingly used to study the normal and abnormal development of fetal brain in-utero. Recent studies have shown that dMRI can offer invaluable insights into the neurodevelopmental processes in the fetal stage. However, because of the low data quality and rapid brain development, reliable analysis of fetal dMRI data requires dedicated computational methods that are currently unavailable. The lack of automated methods for fast, accurate, and reproducible data analysis has seriously limited our ability to tap the potential of fetal brain dMRI for medical and scientific applications. In this work, we developed and validated a unified computational framework to (1) segment the brain tissue into white matter, cortical/subcortical gray matter, and cerebrospinal fluid, (2) segment 31 distinct white matter tracts, and (3) parcellate the brain's cortex and delineate the deep gray nuclei and white matter structures into 96 anatomically meaningful regions. We utilized a set of manual, semi-automatic, and automatic approaches to annotate 97 fetal brains. Using these labels, we developed and validated a multi-task deep learning method to perform the three computations. Our evaluations show that the new method can accurately carry out all three tasks, achieving a mean Dice similarity coefficient of 0.865 on tissue segmentation, 0.825 on white matter tract segmentation, and 0.819 on parcellation. The proposed method can greatly advance the field of fetal neuroimaging as it can lead to substantial improvements in fetal brain tractography, tract-specific analysis, and structural connectivity assessment.

Journal of Magnetic Resonance ImagingVolume 60, Issue 1 p. spcone-spcone Cover ImageFree Access Population Atlas Analysis of Emerging Brain Structural Connections in the Human Fetus Camilo Calixto MD, Camilo Calixto MDSearch for more papers by this authorFedel Machado-Rivas MD, Fedel Machado-Rivas MDSearch for more papers by this authorDavood Karimi PhD, Davood Karimi PhDSearch for more papers by this authorClemente Velasco-Annis BS, Clemente Velasco-Annis BSSearch for more papers by this authorMaria Camila Cortes-Albornoz MD, Maria Camila Cortes-Albornoz MD orcid.org/0000-0003-0733-5105 Search for more papers by this authorOnur Afacan PhD, Onur Afacan PhD orcid.org/0000-0003-2112-3205 Search for more papers by this authorSimon K. Warfield PhD, Simon K. Warfield PhDSearch for more papers by this authorAli Gholipour PhD, Ali Gholipour PhDSearch for more papers by this authorCamilo Jaimes MD, Camilo Jaimes MD [email protected] orcid.org/0000-0002-7169-4244 Search for more papers by this author Camilo Calixto MD, Camilo Calixto MDSearch for more papers by this authorFedel Machado-Rivas MD, Fedel Machado-Rivas MDSearch for more papers by this authorDavood Karimi PhD, Davood Karimi PhDSearch for more papers by this authorClemente Velasco-Annis BS, Clemente Velasco-Annis BSSearch for more papers by this authorMaria Camila Cortes-Albornoz MD, Maria Camila Cortes-Albornoz MD orcid.org/0000-0003-0733-5105 Search for more papers by this authorOnur Afacan PhD, Onur Afacan PhD orcid.org/0000-0003-2112-3205 Search for more papers by this authorSimon K. Warfield PhD, Simon K. Warfield PhDSearch for more papers by this authorAli Gholipour PhD, Ali Gholipour PhDSearch for more papers by this authorCamilo Jaimes MD, Camilo Jaimes MD [email protected] orcid.org/0000-0002-7169-4244 Search for more papers by this author First published: 05 June 2024 https://doi.org/10.1002/jmri.29475AboutPDF ToolsRequest permissionExport citationAdd to favoritesTrack citation ShareShare Give accessShare full text accessShare full-text accessPlease review our Terms and Conditions of Use and check box below to share full-text version of article.I have read and accept the Wiley Online Library Terms and Conditions of UseShareable LinkUse the link below to share a full-text version of this article with your friends and colleagues. Learn more.Copy URL Share a linkShare onEmailFacebookTwitterLinkedInRedditWechat Graphical Abstract Fetal brain network visualization at three GA. Colors represent the weighted edge value calculated as the number of fibers connecting two nodes normalized by the inverse of the streamline length. Blue colors represent low edge values, while red colors represent high edge values. Upper pane: connectivity matrix heatmap. Lower pane: fetal brain network visualization as a ball-and-stick model (nodes are the balls, and edges are the sticks). Edges with values <2 have been removed. By Calixto et al. (152-160) Volume60, Issue1July 2024Pages spcone-spcone RelatedInformation