2018年4月10日

人工智能增强MRI扫描

乍看上去

  • 研究人员使用机器学习来改善MRI扫描仪的图像。
  • 经过进一步开发,该技术可以为需要MRI,PET,CT和其他扫描的人们提供质量更好的医学图像。
 脑图像 使用常规方法(左)和AUTOMAP(右)从相同的MRI数据重建大脑图像。 AUTOMAP可以产生更高质量的图像,并且比传统方法更快。 马萨诸塞州总医院Athinoula A. Martinos生物医学成像中心

医生依靠MRI扫描和其他影像学检查的结果来查看患者体内。这些图片可以帮助医生发现异常组织。 MRI扫描仪使用无线电波和强磁铁从体内组织产生信号。计算机将这些信号转换成显示在屏幕上的详细的3D图片。 MRI对大脑成像尤其有用。

MRI扫描和其他成像方法可能要求患者一次非常静止地保持几分钟,以防止出现像差和伪影或“噪音”。有时需要第二组图像来确定发现是伪影还是疾病的实际迹象。

由马萨诸塞州总医院的Matthew S. Rosen博士,马丁诺斯生物医学成像中心和哈佛大学领导的研究团队着手利用机器学习的力量来改善图像重建。这项工作由NIH的几个部门资助,于2018年3月21日发表在 性质.

研究人员利用技术的最新进展,例如计算机和人工神经网络中功能更强大的图形处理单元,来开发自动化的重建过程。他们将其命名为AUTOMAP,用于通过流形近似自动转换。为了训练神经网络,研究小组使用了一组50,000个MRI脑部扫描 NIH支持的人类Connectome项目.

然后,研究小组测试了AUTOMAP如何使用临床,现实世界中的MRI机器和健康的志愿者重建数据。他们发现,与传统的MRI相比,AUTOMAP能够以更少的噪声获得更好的图像。 AUTOMAP的信噪比比常规重建更好(21.6 vs. 17.6)。在统计误差的均方根误差(6.7%对10.8%)方面,AUTOMAP的性能也更好。此外,AUTOMAP比现在由MRI专家进行的手动调整更快。

Rosen说:“由于AUTOMAP被实现为前馈神经网络,因此图像重建的速度几乎是瞬时的-仅几十毫秒。” “某些类型的扫描目前需要耗时的计算处理才能重建图像。在这些情况下,在初始成像期间无法获得即时反馈,可能需要进行重复研究以更好地识别可疑异常。 AUTOMAP将提供即时图像重建功能,以在扫描过程中为决策过程提供信息,并可以避免进行额外的访问。”

AUTOMAP有许多潜在的应用程序。这种人工智能方法可用于提高医学和非医学各种成像方法的质量和速度。

—由Geri Piazza

相关链接

参考文献: 通过域变换流形学习进行图像重建。朱兵,刘建中,考利·科芬,罗森·BR,罗森·MS。 性质。 2018三月21; 555(7697):487-492。 doi:10.1038 / nature25988。 PMID:29565357。

资金: NIH神经科学研究蓝图计划,NIH国家生物医学成像与生物工程研究所(NIBIB),国家心理健康研究所(NIMH)和国家研究资源中心(NCRR)。