目标10倍速！Facebook和纽约大学医学院合作研究以缩短MRI成像时间‘凯时尊龙人生就是博首页’

发布时间：2024-11-16 02:05:01 丨 浏览次数：349

近日，来自Facebook人工智能研究（FAIR）小组的LarryZitnick和来自纽约大学医学院的DanielSodickson，M．D．，Ph．D和MichaelRecht，M．D合作发售了fastMRI项目。fastMRI是一个新的合作研究项目，其目的是运用AI将MRI扫瞄速度提升10倍。

如果这项工作取得成功，医生可以节约时间招待更好的患者。MRI扫描仪获取的图像包括的细节软组织涉及细节（例如器官和血管）一般来说较其他形式的医学光学更加多，但其图像分解较快，一般来说必须十五分钟到一个小时。

相比之下，X射线和CT扫瞄的时间分别为将近一秒与一分钟。MRI长时间的扫瞄对幼儿以及癫狂恐惧症患者感到痛苦。此外，而许多农村地区和贫穷国家的MRI缺少，有数的设别足以开销大量的人群。

通过提升MRI扫描仪的速度，我们可以使更加多患者需要用于这些设备。充份加快的MRI设备还可以增加患者在腹部和躯干的心脏，肝脏或其他器官光学期间必需屏住排便的时间量。提升速度可以让MRI机器在某些应用于中当作X射线和CT机器的角色，让患者防止与这些扫瞄涉及的电离辐射。

先进设备医学光学的挑战该项目最初将侧重于转变MRI机器的运营方式。目前，扫描仪通过在一系列倒数视图中搜集完整数值数据并将数据切换为内部身体结构的横截面图像来工作，然后医生将其用作评估患者的健康状况。要搜集的数据集越大，扫瞄所需的时间就就越宽。

（左）完整MRI数据在切换为图像之前，为了捕捉临床研究的全套原始数据，MRI扫瞄一般来说必须15－60分钟。（右）从几乎取样的原始数据修复的膝盖的MRI图像。用于AI，可以捕捉较少的数据并因此更慢地扫瞄，同时保有甚至强化磁共振图像的非常丰富信息内容。关键是训练人工神经网络以辨识图像的底层结构，以便填满加快扫瞄中省略的视图。

这种方法类似于人类处置感官信息的方式：当我们体验这个世界时，我们的大脑常常不会接到一幅不原始的图片——就像被遮盖或明亮的物体一样——大脑必须将其转化成可操作者的信息。纽约大学医学院的早期工作指出，人工神经网络可以已完成类似于的任务，从少量的数据中分解高质量的图像。实质上，通过部分信息修复图像是一个十分艰难的问题。神经网络必需需要有效地调和扫瞄数据中的间隙，而不壮烈牺牲准确性。

一些缺陷或错误建模的像素有可能意味著医生将做出错误的辨别。忽略，捕捉图像中先前无法访问的信息可以几乎挽回生命。

（左）并未充份取样的完整MRI数据。用作捕捉该数据的MRI扫瞄比用作捕捉临床研究的原始数据的扫瞄更加慢，但是不出取样在获得的MRI图像中产生噪声和伪影。

（右）从二次取样数据修复的膝盖的MRI图像。fastMRI项目目的用于AI创立简单的MRI图像，没像这里表明的噪声和伪像。Facebook和纽约大学的合作纽约大学医学院是纽约大学朗格身体健康系由的一个部门，它长期以来仍然致力于推展医学研究和教育的发展，以教化患者的生活。放射科的高级光学创意和研究中心（CAI2R）还包括一个由工程师，物理学家，数学家，放射科医师以及其他临床医生和科学家构成的多学科团队，他们在较慢图像收集，平行光学和高级图像修复方面享有非常丰富的专业知识。

现在他们将工作焦点置放研发新型光学技术，并将这些技术很快转化成为临床实践。自2016年以来，CAI2R研究人员仍然致力于利用AI构建更慢的MRI扫瞄。早期研究指出扫描时间可以增加一个数量级甚至过多。然而，要构建这些潜在收益，必须额外的AI科学知识以及大规模计算资源。

约在刚好，Facebook人工智能研究（FAIR）小组专心于推展人工智能状态的对外开放和基础研究，正在找寻AI有可能产生根本性现实影响的项目。CAI2R的图像修复工作合乎这些标准，并为FAIR获取了融合其深度自学专业知识的机会（特别是在计算机视觉领域），并利用医学院领先的光学科学专业知识培训大规模模型的能力。项目数据下文该项目中用于的光学数据集由纽约大学医学院专门搜集，由10，000个临床病例构成，还包括约300万个膝盖，脑和肝脏的磁共振图像。所有数据（还包括图像和完整扫描仪数据）都几乎挤压了患者姓名和所有其他受保护的身体健康信息。

这项工作完全符合HIPAA标准，并经过纽约大学朗格纳机构审查委员会的批准后，该委员会负责管理监督医疗中心的所有人体研究。该项目不受严苛的人体主题数据保护协议的约束，并由纽约大学朗格尼的世界级信息技术团队获取反对。用作该项目的磁共振图像（一般来说代表解剖学的小目标区域）早已被清理了任何潜在的区别特征。

某种程度，基于AI的修复与传统修复之间的性能较为也将缺少任何辨识信息。项目中会用于任何类型的Facebook数据。纽约大学医学院放射科主任MichaelRecht，医学博士，医学博士DanielSodickson，研究副主席和高级光学创意中心主任，人工智能主任YvonneLui医学博士，在纽约大学朗格身体健康分校检查膝关节MRI2019年8月，纽约大学医学院的放射科医生将开始与Facebook积极开展研究合作，通过人工智能将MRI加快提升10倍。Recht，Sodickson和Lui于2018年8月在纽约大学朗格身体健康医院检查膝关节MRI扫瞄。

“为了尽量慢地前进医学光学的近期技术水平，双方计划开源这项工作，以更有更加多研究团体需要在我们的发展基础上更进一步发展。随着项目的进展，Facebook将共享与此研究涉及的AI模型，基线和评估指标，纽约大学医学院将开源图像数据集。这将有助保证工作的可重复性，并加快在临床实践中使用扣除方法。

”下一步是什么虽然该项目最初将专心于MRI技术，但其长年影响可能会扩展到许多其他医学光学应用于。例如，AI获取的改良也有可能彻底改变CT扫瞄。先进设备的图像修复可以构建合适弱势群体的超低剂量CT扫瞄，例如儿科患者。这些改良不仅有助转变医学光学的经验和有效性，而且还有助公平取得医疗保健不可或缺的要素。

fastMRI项目将展出来自有所不同领域和行业的领域专家如何联合合作，以产生一种开放式研究，这将对世界产生深远影响而长久的大力影响。

本文来源：尊龙凯时人生就是搏-www.jcqc01.cn