Magnetic resonance imaging is commonly used as a complement to the ultrasound gold-standard to investigate equivocal patterns in the developing fetal brain. However, stochastic motion of the fetus may alter the image quality and subsequent diagnostic. Several post-processing techniques have been developed to mitigate the resultant motion artefacts, but their evaluation requires a ground truth. FaBiAN is an open source Fetal Brain magnetic resonance Acquisition Numerical phantom that simulates clinical T2-weighted magnetic resonance images of the in utero fetal brain throughout maturation. However, this controlled environment was originally built on a three-class model of the fetal brain (white matter, gray matter and cerebrospinal fluid) which does not take into account key maturation processes that occur in the white matter throughout gestation. To overcome this limitation, we present in this work a new numerical fetal brain model that accounts for magnetic resonance signal changes in the white matter over development. We show that unsupervised segmentation methods such as Gaussian Mixture Models or FAST-FSL tool are effective in identifying local variations of water content within white matter, thus making it possible to fine-tune the relaxometric properties of the tissues accordingly. Thanks to the resulting structural heterogeneity of the proposed model, two neuroradiologists assessed from an overall point of view that these new simulations are closer to real magnetic resonance acquisitions than the images generated by the first version of the framework.

La resonancia magnética se utiliza habitualmente como complemento de la ecografía de referencia para investigar patrones equívocos en el cerebro fetal en desarrollo. Sin embargo, el movimiento estocástico del feto puede alterar la calidad de la imagen y el diagnóstico posterior. Se han desarrollado varias técnicas de posprocesamiento para mitigar los artefactos de movimiento resultantes, pero su evaluación requiere unas imagenes en las que basarse. FaBiAN es un entorno numérico de adquisición de resonancia magnética del cerebro fetal de código abierto que simula imágenes clínicas de resonancia magnética ponderada en T2 del cerebro fetal (dentro del utero) a lo largo de su maduración. Sin embargo, este entorno controlado se construyó originalmente sobre un modelo de tres clases del cerebro fetal (materia blanca, materia gris y líquido cefalorraquídeo) que no tiene en cuenta los procesos de maduración clave que ocurren en la materia blanca a lo largo de la gestación. Para superar esta limitación, presentamos en este trabajo un nuevo modelo numérico de cerebro fetal que tiene en cuenta los cambios de la señal de resonancia magnética en la materia blanca a lo largo del desarrollo. Demostramos que los métodos de segmentación no supervisados, como las Gaussian Mixture Model o la herramienta FAST-FSL, son eficaces para identificar las variaciones locales del contenido de agua dentro de la materia blanca, lo que permite afinar las propiedades relaxométricas de los tejidos en consecuencia. Gracias a la heterogeneidad estructural resultante del modelo propuesto, dos neurorradiólogos evaluaron desde un punto de vista global que estas nuevas simulaciones se acercan más a las adquisiciones reales por resonancia magnética que las imágenes generadas por la primera versión del simulador.

La ressonància magnètica s'utilitza habitualment com a complement de l'ecografia de referència per investigar patrons equívocs al cervell fetal en desenvolupament. Tot i això, el moviment estocàstic del fetus pot alterar la qualitat de la imatge i el diagnòstic posterior. S'han desenvolupat diverses tècniques de postprocessament per mitigar els artefactes de moviment resultants, però la seva avaluació requereix unes imatges en què basar-se. FaBiAN és un entorn numèric d'adquisició de ressonància magnètica del cervell fetal de codi obert que simula imatges clíniques de ressonància magnètica ponderada a T2 del cervell fetal (dins l'uter) al llarg de la seva maduració. Tot i això, aquest entorn controlat es va construir originalment sobre un model de tres classes del cervell fetal (matèria blanca, matèria grisa i líquid cefaloraquidi) que no té en compte els processos de maduració clau que ocorren en la matèria blanca al llarg de la gestació . Per superar aquesta limitació, presentem en aquest treball un nou model numèric de cervell fetal que té en compte els canvis del senyal de ressonància magnètica en la matèria blanca al llarg del desenvolupament. Demostrem que els mètodes de segmentació no supervisats, com les Gaussian Mixture Model o l'eina FAST-FSL, són eficaços per identificar les variacions locals del contingut d'aigua dins la matèria blanca, cosa que permet afinar les propietats relaxomètriques dels teixits en conseqüència . Gràcies a l'heterogeneïtat estructural resultant del model proposat, dos neuroradiòlegs van avaluar des d'un punt de vista global que aquestes noves simulacions s'acosten més a les adquisicions reals per ressonància magnètica que les imatges generades per la primera versió del simulador.