Kann maschinelles Lernen einminütige Gehirn-MRT-Scans liefern?

Mit einigen Verbesserungen, einschließlich maschinellem Lernen, könnte eine quantitative Technik namens MR-Fingerprinting einen einminütigen klinischen MRT-Scan des Gehirns Wirklichkeit werden lassen, so ein Vortrag, der kürzlich auf der International Society for Magnetic Resonance in Medicine (ISMRM) Treffen in London.

Forscher der Stanford University entwickelten einen MR-Fingerabdruckerfassungs- und Rekonstruktionsrahmen für quantitative und Multikontrast-Bildgebung, der eine Scanzeit von etwa einer Minute und eine Rekonstruktionszeit von nur fünf Minuten erfordert.

Mit Hilfe eines maschinellen Lernalgorithmus für die Bildsynthese kann die Methode laut dem Referenten fünf hochwertige Bilder mit gängigen klinischen Kontrasten bei einer isotropen Auflösung von 1 mm sowie quantitative T1-, T2- und Protonendichtekarten liefern Sophie Schaumann und Kollegen.

Das ISMRM-Treffen wurde in Zusammenarbeit mit der European Society for Magnetic Resonance in Medicine and Biology und der International Society for MR Radiographers and Technologists abgehalten.

Raum für Verbesserung

Es gibt sicherlich Raum, um die MRT zu beschleunigen. Herkömmliche MRI arbeiten mit k-Raum-Daten und ermöglichen so laut Schauman eine schnelle Rekonstruktion mit standardmäßigen parallelen Bildgebungsverfahren.

Allerdings „sind die Scanzeiten lang und es werden oft dicke Scheiben aufgenommen, um dies zu überwinden“, sagte sie. „Die meisten klinischen MRT-Scans sind T1- oder T2-gewichtet. Der Bildkontrast ist also qualitativ und nicht quantitativ.“

Moderne, stark unterabgetastete Erfassungsmethoden können die Scanzeiten drastisch verkürzen und Gewebeeigenschaften quantitativ kodieren. Diese schnelleren Akquisitionszeiten gehen jedoch häufig mit einer längeren Rekonstruktionszeit einher, was diese Techniken laut Schauman im klinischen Umfeld unpraktisch macht.

„Um die moderne MRT in klinisch nützliche Werkzeuge umzuwandeln, brauchen wir eine schnelle Akquisition, wir brauchen eine schnellere Rekonstruktion und wir brauchen Flexibilität bei der Akquisition sowohl [der] Kontraste, die für Kliniker nützlich sind, als auch der quantitativen Bildgebung, die beispielsweise verwendet werden kann , in Längsschnittstudien“, sagte sie.

MR-Fingerabdruck

Um dieses Ziel zu erreichen, wandten sich die Forscher dem MR-Fingerabdruck zu. MRT-Fingerprinting ist eine quantitative Technik, die die gleichzeitige Messung mehrerer Gewebeeigenschaften in einer einzigen Datenerfassung ermöglicht.

In ihrem Projekt verwendeten die Stanford-Forscher eine winzige Golden-Winkel-Shuffling-Mehrachsen-Spiralprojektions-MR-Fingerabdrucksequenz. Diese Methode liefert eine isotrope Auflösung von 1 mm für das gesamte Gehirn, ist jedoch derzeit nicht praktikabel, da mehr als vier Stunden Rekonstruktionszeit benötigt werden.

In dem Bestreben, MR-Fingerabdrücke zu einer noch vielversprechenderen Methode für klinische Umgebungen zu machen, versuchten die Forscher, eine schnelle Rekonstruktionsmethode zu integrieren, sagte Schauman. Sie verwendeten eine Subraum-Rekonstruktionstechnik, die ungefähr sieben Minuten dauert und drei Subraumkomponenten – statt der üblichen fünf, die verwendet werden – und drei Spulen umfasst.

Die Forscher verwendeten dann eine auf maschinellem Lernen basierende Synthese, um die Scanqualität und -geschwindigkeit weiter zu verbessern. Um den Algorithmus zu trainieren, verwendeten sie Daten von 14 gesunden Freiwilligen. Von den 14 Probanden wurden 10 für das Training, zwei für die Validierung und zwei zum Testen des Modells verwendet – ein zuvor vorgeschlagenes generatives gegnerisches Netzwerk.

„Um die Robustheit der Pipeline in der Klinik zu verbessern, wurde ein 30 Sekunden langer Vorscan mit großem Sichtfeld aufgenommen“, sagte Schauman. „In zukünftigen Arbeiten beabsichtigen wir, den Prescan für die B0- und B1-Schätzung zu verwenden, aber vorerst verwenden wir ihn, um unsere Spulenkomprimierung zu optimieren, um Signale außerhalb des Sichtfelds zu unterdrücken, indem wir eine Methode namens [region-optimized virtual (ROVir) coils ] und auch automatisch Verschiebungen auf die Daten anwenden, um sicherzustellen, dass das Gehirn im Sichtfeld zentriert war.“

Im Vergleich zu Bildern, die mit der traditionellen Technik rekonstruiert werden, die vier Stunden dauert, weist die schnelle Rekonstruktionsmethode mehr Undersampling-Artefakte, mehr Unschärfe und mehr Rauschen auf, sagte Schauman.

„Wenn diese Informationen jedoch im Synthesenetzwerk wiederhergestellt werden können, spielt das alles keine Rolle“, sagte sie.

Bei den beiden Testpersonen zeigten die synthetisierten T1-gewichteten magnetisierungspräparierten Rapid Acquisition Gradient-Echo (MP-RAGE), T2-gewichteten, T2 fluid-attenuated Inversion Recovery (FLAIR) und Double Inversion Recovery (DIR) Bilder sehr ähnliche Schnittbilder strukturelle Ähnlichkeitsindizes im Vergleich zu synthetisierten Bildern, die mit der Referenzrekonstruktionstechnik erzeugt wurden.

„Zukünftige Richtungen des Projekts umfassen eine fortgesetzte klinische Datenerfassung mit dem Ziel, Patienten unter Verwendung halbüberwachter Methoden in den Trainingsdatensatz aufzunehmen, und eine verbesserte Robustheit der Pipeline in Bezug auf die Patientenpositionierung im Sichtfeld“, sagte Schauman. „Wir zielen auch darauf ab, den Kompromiss zwischen Zeit und Qualität weiter zu optimieren, indem wir schnellere B0- und B1-Karten zur Kalibrierung der quantitativen Bildgebung erfassen.“

• Dieser Artikel wurde ursprünglich veröffentlicht am TanteMinnieEurope.com © 2022 by TanteMinnieEurope.com. Jegliches Kopieren, Wiederveröffentlichen oder Weiterverteilen von TanteMinnieEurope.com Inhalte sind ohne die vorherige schriftliche Zustimmung von ausdrücklich untersagt TanteMinnieEurope.com.

Die Post Kann maschinelles Lernen einminütige Gehirn-MRT-Scans liefern? erschien zuerst auf Physik-Welt.

• Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
• Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
• CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
• Quelle: https://physicsworld.com/a/can-machine-learning-deliver-one-minute-brain-mri-scans/