AI নিম্ন-ক্ষেত্রের শক্তি এমআর স্ক্যান থেকে উচ্চ-রেজোলিউশন মস্তিষ্কের ছবি তৈরি করে

পোর্টেবল, লো-ফিল্ড স্ট্রেন্থ এমআরআই সিস্টেমে নিউরোইমেজিংকে রূপান্তরিত করার সম্ভাবনা রয়েছে - তবে শর্ত থাকে যে তাদের কম স্থানিক রেজোলিউশন এবং কম সংকেত-টু-শব্দ (SNR) অনুপাত কাটিয়ে উঠতে পারে। এ গবেষকরা হার্ভার্ড মেডিকেল স্কুল এই লক্ষ্য অর্জনের জন্য কৃত্রিম বুদ্ধিমত্তা (AI) ব্যবহার করছে। তারা একটি মেশিন লার্নিং সুপার-রেজোলিউশন অ্যালগরিদম তৈরি করেছে যা নিম্ন রেজোলিউশন মস্তিষ্কের এমআরআই স্ক্যান থেকে উচ্চ স্থানিক রেজোলিউশন সহ সিন্থেটিক ছবি তৈরি করে।

কনভোলিউশনাল নিউরাল নেটওয়ার্ক (CNN) অ্যালগরিদম, যা LF-SynthSR নামে পরিচিত, নিম্ন-ক্ষেত্রের শক্তি (0.064 T) T1- এবং T2-ভারযুক্ত মস্তিষ্কের এমআরআই সিকোয়েন্সগুলিকে 1 মিমি স্থানিক রেজোলিউশনের সাথে আইসোট্রপিক ছবিতে রূপান্তরিত করে এবং একটি T1-ভারযুক্ত চুম্বককরণের উপস্থিতি। -প্রস্তুত দ্রুত গ্রেডিয়েন্ট-ইকো (MP-RAGE) অধিগ্রহণ। তাদের প্রুফ-অফ-কনসেপ্ট স্টাডি বর্ণনা করে রেডিত্তল্যাজি, গবেষকরা রিপোর্ট করেছেন যে সিন্থেটিক চিত্রগুলি 1.5 T এবং 3.0 T MRI স্ক্যানার দ্বারা অর্জিত চিত্রগুলির সাথে উচ্চ সম্পর্ক প্রদর্শন করেছে৷

মরফোমেট্রি, একটি চিত্রের কাঠামোর পরিমাণগত আকার এবং আকৃতি বিশ্লেষণ, অনেক নিউরোইমেজিং গবেষণার কেন্দ্রবিন্দু। দুর্ভাগ্যবশত, বেশিরভাগ এমআরআই বিশ্লেষণের সরঞ্জামগুলি কাছাকাছি-আইসোট্রপিক, উচ্চ-রেজোলিউশন অধিগ্রহণের জন্য ডিজাইন করা হয়েছে এবং সাধারণত T1-ভারী চিত্র যেমন MP-RAGE প্রয়োজন হয়। ভক্সেলের আকার এবং অ্যানিসোট্রপি বৃদ্ধির সাথে সাথে তাদের কর্মক্ষমতা প্রায়শই দ্রুত হ্রাস পায়। যেহেতু বিদ্যমান ক্লিনিকাল এমআরআই স্ক্যানগুলির বিশাল সংখ্যাগরিষ্ঠতা অত্যন্ত অ্যানিসোট্রপিক, সেগুলি বিদ্যমান সরঞ্জামগুলির সাথে নির্ভরযোগ্যভাবে বিশ্লেষণ করা যায় না।

"প্রতি বছর লক্ষাধিক কম-রেজোলিউশন মস্তিষ্কের এমআর ইমেজ তৈরি করা হয়, কিন্তু বর্তমানে নিউরোইমেজিং সফ্টওয়্যার দিয়ে বিশ্লেষণ করা যায় না," প্রধান তদন্তকারী ব্যাখ্যা করেন হুয়ান ইউজেনিও ইগলেসিয়াস. "আমার বর্তমান গবেষণার মূল লক্ষ্য হল অ্যালগরিদমগুলি তৈরি করা যা কম-রেজোলিউশনের মস্তিষ্কের এমআর ইমেজগুলিকে উচ্চ-রেজোলিউশনের এমআরআই স্ক্যানগুলির মতো দেখায় যা আমরা গবেষণায় ব্যবহার করি৷ আমি দুটি অ্যাপ্লিকেশনে বিশেষভাবে আগ্রহী: ক্লিনিকাল স্ক্যানগুলির স্বয়ংক্রিয় 3D বিশ্লেষণ সক্ষম করা এবং বহনযোগ্য, নিম্ন-ক্ষেত্রের এমআরআই স্ক্যানারগুলির সাথে ব্যবহার করা।

প্রশিক্ষণ এবং পরীক্ষা

LF-SynthSR SynthSR-এর উপর নির্মিত, একটি পদ্ধতি যা একটি CNN কে প্রশিক্ষণ দেওয়ার জন্য টিম দ্বারা তৈরি করা হয়েছে 1 মিমি-রেজোলিউশন MP-RAGE আইসোট্রপিক স্ক্যানগুলিকে রুটিন ক্লিনিকাল এমআর স্ক্যান থেকে পূর্বাভাস দিতে। পূর্ববর্তী ফলাফল রিপোর্ট NeuroImage দেখিয়েছে যে SynthSR- তৈরি করা ছবিগুলি নির্ভরযোগ্যভাবে সাবকর্টিক্যাল সেগমেন্টেশন এবং ভলিউমট্রি, ইমেজ রেজিস্ট্রেশন এবং কিছু মানের প্রয়োজনীয়তা পূরণ করা হলে, এমনকি কর্টিকাল পুরুত্বের মরফোমেট্রির জন্য ব্যবহার করা যেতে পারে।

LF-SynthSR এবং SynthSR উভয়কেই 3D সেগমেন্টেশন থেকে উত্পন্ন অত্যন্ত পরিবর্তিত চেহারার সিন্থেটিক ইনপুট ইমেজগুলির উপর প্রশিক্ষিত করা হয়, এবং এইভাবে বৈসাদৃশ্য, রেজোলিউশন এবং অভিযোজনের যেকোন সমন্বয়ের জন্য CNN-কে প্রশিক্ষণ দিতে ব্যবহার করা যেতে পারে।

ইগ্লেসিয়াস উল্লেখ করেছেন যে নিউরাল নেটওয়ার্কগুলি সর্বোত্তম কার্য সম্পাদন করে যখন ডেটা প্রায় স্থির থাকে, তবে প্রতিটি হাসপাতাল বিভিন্ন বিক্রেতার স্ক্যানার ব্যবহার করে যা ভিন্নভাবে কনফিগার করা হয়, যার ফলে অত্যন্ত ভিন্ন ভিন্ন স্ক্যান হয়। “এই সমস্যাটি মোকাবেলা করার জন্য, আমরা 'ডোমেন র্যান্ডমাইজেশন' নামক মেশিন লার্নিং এর একটি ক্ষেত্র থেকে ধারণা ধার করছি, যেখানে আপনি সিন্থেটিক চিত্রগুলির সাথে নিউরাল নেটওয়ার্কগুলিকে প্রশিক্ষণ দেন যা ক্রমাগত চেহারা এবং রেজোলিউশন পরিবর্তন করার জন্য অনুকরণ করা হয়, যাতে প্রশিক্ষিত নেটওয়ার্কগুলি অজ্ঞেয়বাদী। ইনপুট ইমেজ চেহারা,” তিনি ব্যাখ্যা.

LF-SynthSR-এর কর্মক্ষমতা মূল্যায়ন করার জন্য, গবেষকরা সিন্থেটিক এমআরআই এবং গ্রাউন্ড-ট্রুথ হাই-ফিল্ড শক্তি ইমেজগুলির মধ্যে মস্তিষ্কের আকারবিদ্যা পরিমাপের সাথে সম্পর্কযুক্ত। প্রশিক্ষণের জন্য, তারা 1টি বিষয় থেকে 20-মিমি আইসোট্রপিক MP-RAGE স্ক্যানের একটি উচ্চ-ক্ষেত্রের শক্তি এমআরআই ডেটাসেট ব্যবহার করেছে। তারা 36টি মস্তিষ্কের অঞ্চল-সুদের (ROI) এবং তিনটি এক্সট্রাসেরিব্রাল ROI-এর সংশ্লিষ্ট বিভাগগুলিও ব্যবহার করেছে। প্রশিক্ষণ সেটটিকে কৃত্রিমভাবে আরও ভাল মডেল প্যাথলজিক টিস্যু যেমন স্ট্রোক বা রক্তক্ষরণের জন্য বর্ধিত করা হয়েছিল।

পরীক্ষার সেটে স্নায়বিক লক্ষণ সহ 24 জন অংশগ্রহণকারীর ইমেজিং ডেটা রয়েছে যাদের একটি মান-অব-কেয়ার উচ্চ-ক্ষেত্র শক্তি (0.064-1.5 T) এমআরআই ছাড়াও নিম্ন-ক্ষেত্রের শক্তি (3 T) স্ক্যান ছিল। অ্যালগরিদম সফলভাবে 1-মিমি আইসোট্রপিক সিন্থেটিক এমপি-রেজ ইমেজ তৈরি করেছে নিম্ন-ক্ষেত্রের শক্তি মস্তিষ্কের এমআরআই থেকে, ভক্সেলগুলি মূল ডেটার তুলনায় 10 গুণেরও বেশি ছোট। 11 জন অংশগ্রহণকারীর একটি চূড়ান্ত নমুনা থেকে সিন্থেটিক চিত্রগুলির স্বয়ংক্রিয় বিভাজন ROI ভলিউম অর্জন করেছিল যা উচ্চ-ক্ষেত্রের শক্তি এমআর স্ক্যানগুলি থেকে প্রাপ্তগুলির সাথে অত্যন্ত সম্পর্কযুক্ত ছিল।

"LF-SynthSR নিম্ন-ক্ষেত্রের শক্তি এমআরআই স্ক্যানগুলির চিত্রের গুণমানকে এমনভাবে উন্নত করতে পারে যে সেগুলি কেবল স্বয়ংক্রিয় বিভাজন পদ্ধতির দ্বারাই নয়, সম্ভাব্যভাবে নিবন্ধন এবং শ্রেণিবিন্যাস অ্যালগরিদমের সাথেও ব্যবহারযোগ্য," গবেষকরা লিখেছেন৷ "এটি অস্বাভাবিক ক্ষত সনাক্তকরণ বাড়ানোর জন্যও ব্যবহার করা যেতে পারে।"

স্বয়ংক্রিয় মরফোমেট্রি ব্যবহার করে কম-রেজোলিউশন মস্তিষ্কের এমআরআই বিশ্লেষণ করার এই ক্ষমতা বিরল রোগ এবং জনসংখ্যার অধ্যয়ন করতে সক্ষম করবে যা বর্তমান নিউরোইমেজিং গবেষণায় উপস্থাপিত। উপরন্তু, পোর্টেবল এমআরআই স্ক্যানার থেকে ছবির গুণমান উন্নত করা চিকিৎসাগতভাবে অনুপস্থিত এলাকায়, সেইসাথে ক্রিটিক্যাল কেয়ারে তাদের ব্যবহার বাড়াবে, যেখানে রোগীদের এমআরআই স্যুটে নিয়ে যাওয়া প্রায়ই ঝুঁকিপূর্ণ।

পোর্টেবল এমআরআই রোগীর বিছানায় স্ট্রোক নির্ণয় করে

ইগলেসিয়াস বলেছেন যে আরেকটি চ্যালেঞ্জ হল ক্লিনিকাল স্ক্যানগুলিতে পাওয়া অস্বাভাবিকতার বিস্তৃত পরিসর যা সিএনএন দ্বারা পরিচালনা করা দরকার। "বর্তমানে, SynthSR সুস্থ মস্তিষ্ক, অ্যাট্রোফির ক্ষেত্রে এবং ছোট মাল্টিপল স্ক্লেরোসিস ক্ষত বা ছোট স্ট্রোকের মতো ছোট অস্বাভাবিকতার সাথে ভাল কাজ করে," তিনি বলেন ফিজিক্স ওয়ার্ল্ড. "আমরা বর্তমানে পদ্ধতিটি উন্নত করার জন্য কাজ করছি যাতে এটি কার্যকরভাবে বড় স্ট্রোক বা টিউমারের মতো বড় ক্ষতগুলি মোকাবেলা করতে পারে।"

একটি সহগামী সম্পাদকীয় মধ্যে লেখা রেডিত্তল্যাজি, বির্গিট ইর্টল-ওয়াগনার এবং ম্যাথিয়াস ওয়াগনার থেকে অসুস্থ শিশুদের জন্য হাসপাতালে টরন্টো মন্তব্যে: "এই উত্তেজনাপূর্ণ প্রযুক্তিগত উন্নয়ন অধ্যয়নটি কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে ক্ষেত্রের শক্তিতে কম এবং স্থানিক এবং বৈপরীত্য রেজোলিউশনের জন্য উচ্চ লক্ষ্য করার সম্ভাবনা প্রদর্শন করে।"

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• উত্স: https://physicsworld.com/a/ai-creates-high-resolution-brain-images-from-low-field-strength-mr-scans/