После двух лет исследований команда из Facebook AI и NYU Langone Health разработала нейронную сеть, которая может сократить время для пациентов внутри аппарата МРТ с более чем часа до нескольких минут. Таким образом, может быть решена проблема применения МРТ в отношении маленьких детей и людей в угрожающих жизни ситуациях, такие как инсульт. Система также позволит больницам обслуживать больше пациентов.
Сеть под названием fastMRI сокращает время сканирования, поскольку для генерации изображения ей требуется только четверть от обычного объема данных.
Аппараты МРТ работают за счет создания интенсивного локализованного магнитного поля. При этом атомные ядра некоторых элементов, таких как водород, поглощают радиочастотную энергию при воздействии магнитного поля, а затем переизлучают ее как измеримую радиочастоту. «Если вы сидели на МРТ, вы слышали жужжащий звук, который он издает, когда собирает данные, — отмечает доктор Дэн Содиксон, исследователь из NYU Langone Health, — «Это необработанные данные, из которых получается магнитно-резонансное изображение… И эти необработанные данные на самом деле выглядят как звездообразование».
Эти данные в k-пространстве сохраняются во временном хранилище, и после его заполнения сканирование завершается, и информация подвергается преобразованию. «МРТ собирает информацию по всему изображению, а затем эта частотная информация превращается в пространственную почти как в случае с призмой», — продолжает Содиксон. — «Итак, если вы возьмете призму и разделите цвета, слева будет весь синий спектр, а справа — весь красный. Это преобразование, которое мы делаем… Мы берем разные частоты и сортируем их».
При работе fastMRI требуется только 25% этих данных. Эта нейронная сеть не анализирует существующие изображения МРТ с ускорением, она сама активно генерирует их из необработанных данных, и они фактически идентичны традиционным отсканированным изображениям.
Facebook наняла шесть радиологов для исследования двух серий МРТ коленного сустава пациента: один с обычным аппаратом МРТ, другой с использованием fastMRI. «Исследование показало, что в оценках радиологов нет значительных различий», — говорится в сообщении компании. — «Пятеро из шести радиологов не смогли правильно определить, какие изображения были созданы с использованием ИИ».
«Мы хотели начать с большого набора данных, чтобы не переобучать алгоритм», — сказала Engadget Нафисса Якубова, исследователь Facebook AI. «Итак, у нас были, я думаю, тысячи снимков МРТ коленного сустава, а также хранилища МРТ-сканирований мозга, каждое из которых содержало до 800 изображений».
Система работает с существующими аппаратами МРТ, и нет необходимости что-либо модернизировать. «Поскольку это система с открытым исходным кодом, любой производитель может получить к нему доступ прямо сейчас и использовать для дальнейшего тестирования», — говорит Якубова.
Ранее исследователи в рамках проекта fastMRI разработали новый способ использования метода глубокого обучения для решения проблемы артефактов изображения МРТ с AI-ускорением. Этот метод также значительно улучшает общее качество изображения. Команда использовала метод состязательного обучения для создания такой модели, которая берет необработанные данные ускоренного сканирования МРТ и создает точные изображения уже без этих артефактов.
См. также:
