深圳大学医学部生物医学工程学院倪东教授团队在《IEEE Transactions on Medical Imaging》(JCR1区TOP,影响因子6.685)上发表了题为“A Deep Attentive Convolutional Neural Network for Automatic Cortical Plate Segmentation in Fetal MRI”的论文。该研究为深圳大学医学部生物工程学院倪东教授团队和哈佛医学院Ali Gholipour教授等合作完成。倪东教授为共同通讯作者，其硕士研究生窦浩然为第一作者。

胎儿皮质板分割是定量分析胎儿大脑成熟和皮质折叠的基础。由于1）胎儿脑部MRI图像的分辨率较低；2）胎儿皮质板结构较细；3）MRI图像的容积效应造成的成像模糊；4）妊娠期胎儿大脑发育带来的较大的结构变化使得手动分割皮质板面临巨大挑战。为了减少手工分割胎儿皮质板的负担，该研究提出了一种新的的深度学习分割方法（图1）。该方法利用基于分组多核卷积的注意力模块来有效的提取多尺度信息，进而提升模型性能。结果表明，该方法优于当前最先进的4种深度分割模型，以及最先进的的多图谱分割技术。

该研究依托广东省生物医学信息检测与超声成像重点实验室、医学超声关键技术国家地方联合工程实验室和深圳大学医学部超声图像计算实验室（Lab of Medical UltraSound Image Computing, MUSIC），得到国家重点研发计划、深圳市孔雀计划、美国国立卫生研究院等的资助

图1