Исследователи объединяют глубокое обучение и физику для исправления снимков МРТ

Researchers combine deep learning and physics to correct MRI images.

В области медицинского изображения МРТ выделяется своей исключительной визуализацией мягких тканей, превосходящей возможности рентгена и компьютерной томографии. Однако, “пятачок Ахиллеса” МРТ заключается в его восприимчивости к артефактам движения – даже самое незначительное движение во время сканирования может негативно сказаться на качестве изображения. Это требует значительных ресурсов и времени.

Это также может привести к потенциально вводящим в заблуждение диагнозам и неполноценным результатам лечения. Но теперь исследователи Массачусетского технологического института вооружены новой моделью глубокого обучения, которая предназначена для исправления искажений, связанных с движением, в МРТ головного мозга.

Ведущий автор статьи, Налини Сингх, которая также является исследователем, связанным с клиникой Абдул Латифа Джамиль для машинного обучения в области здравоохранения при МИТ, объясняет MIT News: “Движение – общая проблема в МРТ… Это довольно медленный метод образования”.

• AI2 представляет Dolma 3-триллионный корпус токенов, который открывает путь к прозрачности в исследованиях языковых моделей
• Система машинного обучения на основе света может дать более мощные и эффективные большие языковые модели.
• Исследователи помогают роботам научиться сами открывать посудомоечные машины и двери

Чтобы решить эту проблему, Сингх и ее команда разработали новаторское решение, названное “Data Consistent Deep Rigid MRI Motion Correction”. Этот метод строит изображения без движения из искаженных данных, не изменяя процесс сканирования.

Центральным элементом этого гибридного подхода является сохранение согласованности между выходным изображением и реальными измерениями, которые оно представляет. Без этой согласованности модель рискует генерировать “галлюцинаторные” изображения – обманчиво реалистичные, но клинически неточные изображения, которые могут серьезно подорвать диагностическую надежность.

Пациенты, страдающие от неволевых движений, вызванных неврологическими заболеваниями, такими как болезнь Альцгеймера и болезнь Паркинсона, будут иметь пользу от МРТ-сканов без артефактов. Исследования отделения рентгенологии Университета Вашингтона показывают, что движение мешает примерно 15% МРТ сканов головного мозга.

Эта повторяющаяся проблема приводит к годовым затратам, составляющим примерно $115,000 на сканер из-за повторных сканирований. Даниэль Мойер, ассистент профессора Вандербильтского университета, сказал о модели: “Эта работа Сингх и ее команды – следующий шаг в коррекции движения в МРТ”.

Он продолжил: “Это не только отличная исследовательская работа, но я считаю, что эти методы будут использоваться во всех видов клинических случаев: у детей и пожилых людей, которые не могут сидеть спокойно в сканере, патологии, вызывающие движение, изучение движущейся ткани, даже здоровые пациенты будут двигаться в магнитном поле”.

Мойер заключил, сказав: “В будущем я думаю, что это, вероятно, станет стандартной практикой – обрабатывать изображения с помощью чего-то, непосредственно происходящего от этого исследования”.