AI loob madala väljatugevusega MR-skaneeringutest kõrge eraldusvõimega ajupilte

Kaasaskantavatel madala väljatugevusega MRI-süsteemidel on potentsiaal neuropiltide muutmiseks – eeldusel, et nende madal ruumiline eraldusvõime ja madal signaali-müra (SNR) suhe on ületatavad. Teadlased aadressil Harvard Medical School kasutavad selle eesmärgi saavutamiseks tehisintellekti (AI). Nad on välja töötanud masinõppe ülieraldusvõimega algoritmi, mis genereerib madalama eraldusvõimega aju MRI skaneeringutest kõrge ruumilise eraldusvõimega sünteetilisi pilte.

Konvolutsioonilise närvivõrgu (CNN) algoritm, tuntud kui LF-SynthSR, teisendab madala väljatugevusega (0.064 T) T1- ja T2-kaalutud aju MRI järjestused isotroopseteks kujutisteks 1 mm ruumilise eraldusvõimega ja T1-kaalutud magnetiseerimisega. - ettevalmistatud kiire gradient-kaja (MP-RAGE) hankimine. Kirjeldades oma kontseptsiooni tõestamise uuringut Radioloogia, teatavad teadlased, et sünteetilised kujutised näitasid kõrget korrelatsiooni 1.5 T ja 3.0 T MRI skanneritega saadud piltidega.

Morfomeetria, pildi struktuuride kvantitatiivne suuruse ja kuju analüüs, on paljudes neuroimaging uuringutes kesksel kohal. Kahjuks on enamik MRI-analüüsi tööriistu loodud peaaegu isotroopsete ja kõrge eraldusvõimega võtete jaoks ja tavaliselt on vaja T1-kaalutud pilte, nagu MP-RAGE. Nende jõudlus langeb sageli kiiresti, kui voksli suurus ja anisotroopia suurenevad. Kuna valdav enamus olemasolevatest kliinilistest MRI-skaneeringutest on väga anisotroopsed, ei saa neid olemasolevate vahenditega usaldusväärselt analüüsida.

"Igal aastal toodetakse miljoneid madala eraldusvõimega aju MR-pilte, kuid praegu ei saa neid neuroimaging tarkvaraga analüüsida," selgitab juhtivteadur. Juan Eugenio Iglesias. "Minu praeguse uurimistöö peamine eesmärk on töötada välja algoritmid, mis muudavad madala eraldusvõimega aju MR-pildid sarnaseks kõrge eraldusvõimega MRI-skaneeringutega, mida me teadusuuringutes kasutame. Olen eriti huvitatud kahest rakendusest: kliiniliste skaneeringute automaatse 3D-analüüsi võimaldamine ja kasutamine kaasaskantavate väikese väljaga MRI-skanneritega.

Koolitus ja testimine

LF-SynthSR põhineb SynthSR-il, meetodil, mille meeskond on välja töötanud CNN-i koolitamiseks, et ennustada 1 mm eraldusvõimega MP-RAGE isotroopseid skaneeringuid rutiinsetest kliinilistest MR-skaneeringutest. Varasematest leidudest teatati aastal NeuroImage näitas, et SynthSR-i loodud pilte saab usaldusväärselt kasutada subkortikaalseks segmenteerimiseks ja mahu mõõtmiseks, kujutiste registreerimiseks ja kui mõned kvaliteedinõuded on täidetud, isegi kortikaalse paksuse morfomeetria jaoks.

Nii LF-SynthSR kui ka SynthSR on koolitatud 3D-segmentatsioonidest genereeritud väga erineva välimusega sünteetiliste sisendkujutistega ja seega saab neid kasutada CNN-ide treenimiseks mis tahes kontrasti, eraldusvõime ja orientatsiooni kombinatsiooni jaoks.

Iglesias juhib tähelepanu sellele, et närvivõrgud toimivad kõige paremini siis, kui andmed näivad olevat ligikaudu püsivad, kuid iga haigla kasutab erinevate tarnijate skannereid, mis on erinevalt konfigureeritud, mille tulemuseks on väga heterogeensed skaneeringud. Selle probleemi lahendamiseks laename ideid masinõppe valdkonnast, mida nimetatakse domeenide randomiseerimiseks, kus treenite närvivõrke sünteetiliste kujutistega, mis on simuleeritud pidevalt välimust ja eraldusvõimet muutma, et saada koolitatud võrke, mis on agnostlikud. sisendpiltide välimus,” selgitab ta.

LF-SynthSR-i toimivuse hindamiseks korreleerisid teadlased aju morfoloogia mõõtmisi sünteetiliste MRI-de ja tõepõhiste suure väljatugevusega piltide vahel. Treeningu jaoks kasutasid nad suure väljatugevusega MRI andmekogumit 1 mm isotroopse MP-RAGE skaneeringuga 20 katsealuselt. Samuti kasutasid nad 36 huvipakkuva ajupiirkonna (ROI) ja kolme ajuvälise ROI vastavat segmenteerimist. Treeningkomplekti täiendati ka kunstlikult, et paremini modelleerida patoloogilisi kudesid, nagu insult või hemorraagia.

Testikomplekt hõlmas pildiandmeid 24 neuroloogiliste sümptomitega osalejalt, kellel tehti lisaks tavapärasele kõrge väljatugevusega (0.064–1.5 T) MRI-le ka madala väljatugevusega (3 T) skaneerimine. Algoritm genereeris madala väljatugevusega aju MRI-dest edukalt 1-mm isotroopsed sünteetilised MP-RAGE kujutised, mille vokslid olid enam kui 10 korda väiksemad kui algandmetes. 11 osalejast koosneva lõpliku valimi sünteetiliste kujutiste automaatne segmenteerimine andis ROI mahud, mis olid tugevas korrelatsioonis suure väljatugevusega MR-skaneeringutest tuletatutega.

"LF-SynthSR võib parandada madala väljatugevusega MRI-skaneeringute pildikvaliteeti niivõrd, et neid saab kasutada mitte ainult automatiseeritud segmenteerimismeetodite, vaid potentsiaalselt ka registreerimis- ja klassifitseerimisalgoritmidega," kirjutavad teadlased. "Seda võiks kasutada ka ebanormaalsete kahjustuste tuvastamise suurendamiseks."

See võime analüüsida madala eraldusvõimega aju MRI-sid automaatse morfomeetria abil võimaldaks uurida haruldasi haigusi ja populatsioone, mis on praegustes neuroimaging-uuringutes alaesindatud. Lisaks suurendaks kaasaskantavate MRI-skannerite piltide kvaliteedi parandamine nende kasutamist meditsiiniliselt alateenindusega piirkondades, aga ka intensiivravis, kus patsientide viimine MRI-komplekti on sageli liiga riskantne.

Kaasaskantav MRI diagnoosib insuldi patsiendi voodi kõrval

Iglesias ütleb, et veel üks väljakutse on kliinilistes skaneeringus leitud kõrvalekalded, mida CNN peab käsitlema. "Praegu töötab SynthSR hästi tervete ajude, atroofia juhtude ja väiksemate kõrvalekalletega, nagu väikesed hulgiskleroosi kahjustused või väikesed insultid," räägib ta. Füüsika maailm. "Praegu töötame selle meetodi täiustamise nimel, et see saaks tõhusalt toime tulla suuremate kahjustustega, nagu suuremad insultid või kasvajad."

Kirjutamine kaasnevasse juhtkirja sisse Radioloogia, Birgit Ertl-Wagner ja Matthias Wagner alates Haigete laste haigla Toronto kommentaar: "See põnev tehnilise arengu uuring näitab potentsiaali vähendada väljatugevust ning saavutada tehisintellekti abil kõrge ruumilise ja kontrasti eraldusvõime."

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. Juurdepääs siia.
• Allikas: https://physicsworld.com/a/ai-creates-high-resolution-brain-images-from-low-field-strength-mr-scans/