آیا یادگیری ماشینی می تواند اسکن یک دقیقه ای MRI مغز را ارائه دهد؟

با توجه به صحبت‌هایی که در انجمن بین‌المللی رزونانس مغناطیسی اخیر ارائه شد، با چند پیشرفت، از جمله یادگیری ماشینی، یک تکنیک کمی به نام اثرانگشت MR می‌تواند یک اسکن بالینی MRI مغز یک دقیقه‌ای را به واقعیت تبدیل کند.ISMRM) نشست در لندن.

محققان دانشگاه استنفورد چارچوبی برای اکتساب و بازسازی اثر انگشت MR برای تصویربرداری کمی و چند کنتراست ایجاد کردند که به زمان اسکن تقریباً یک دقیقه و زمان بازسازی حداقل پنج دقیقه نیاز دارد.

به گفته مجری، با کمک یک الگوریتم یادگیری ماشینی برای سنتز تصویر، این روش می‌تواند پنج تصویر با کیفیت بالا با تضادهای بالینی رایج در وضوح همسانگرد 1 میلی‌متری و همچنین نقشه‌های کمی T1، T2 و چگالی پروتون ارائه دهد. سوفی شومان و همکاران

La جلسه ISMRM در همکاری با انجمن اروپایی تشدید مغناطیسی در پزشکی و زیست شناسی و انجمن بین المللی رادیوگرافیان و فناوران MR برگزار شد.

اتاق را برای بهبود

مطمئناً جا برای افزایش سرعت MRI وجود دارد. به گفته Schauman، MRI سنتی بر روی داده‌های فضای k عمل می‌کند، بنابراین بازسازی سریع با استفاده از روش‌های تصویربرداری موازی استاندارد را ممکن می‌سازد.

با این حال، او گفت: "زمان اسکن طولانی است، و اغلب برش های ضخیم برای غلبه بر این مشکل به دست می آید." اکثر اسکن های بالینی MRI دارای وزن T1 یا T2 هستند. بنابراین، کنتراست تصویر کیفی است و نه کمی.

روش‌های مدرن و بسیار کم نمونه می‌توانند زمان اسکن را به شدت کاهش دهند و همچنین ویژگی‌های بافت را به روشی کمی رمزگذاری کنند. با این حال، به گفته Schauman، این زمان‌های اکتساب سریع‌تر اغلب به قیمت زمان بازسازی طولانی‌تر است و این تکنیک‌ها را در تنظیمات بالینی غیرعملی می‌سازد.

برای تبدیل MRI مدرن به ابزارهای مفید بالینی، ما نیاز به اکتساب سریع، بازسازی سریع‌تر و انعطاف‌پذیری در دستیابی به کنتراست‌هایی داریم که برای پزشکان مفید است و همچنین تصویربرداری کمی که می‌تواند مورد استفاده قرار گیرد، برای مثال. او گفت، در مطالعات طولی.

انگشت نگاری ام آر

محققان برای پیگیری این هدف به انگشت نگاری MR روی آوردند. انگشت نگاری ام آر آی یک تکنیک کمی است که امکان اندازه گیری همزمان خواص چندگانه بافت را در یک جمع آوری داده فراهم می کند.

در پروژه خود، محققان استنفورد از یک دنباله انگشت نگاری MR طرح ریزی مارپیچی چند محوره با زاویه طلایی کوچک استفاده کردند. این روش وضوح همسانگرد 1 میلی‌متری را برای کل مغز به دست می‌دهد، اما در حال حاضر به دلیل نیاز به بیش از چهار ساعت زمان بازسازی، استفاده از آن امکان‌پذیر نیست.

Schauman گفت، در تلاشی برای تبدیل اثر انگشت MR به روشی حتی امیدوارکننده‌تر برای تنظیمات بالینی، محققان به دنبال ترکیب یک روش بازسازی سریع بودند. آنها از یک تکنیک بازسازی زیرفضا استفاده کردند که تقریباً هفت دقیقه طول می کشد تا انجام شود و شامل سه جزء زیرفضا - به جای پنج مورد معمولی که استفاده می شود - و سه سیم پیچ است.

سپس محققان از سنتز مبتنی بر یادگیری ماشین برای بهبود بیشتر کیفیت و سرعت اسکن استفاده کردند. برای آموزش این الگوریتم، آنها از داده های 14 داوطلب سالم استفاده کردند. از 14 آزمودنی، 10 مورد برای آموزش، دو مورد برای اعتبارسنجی، و دو مورد برای آزمایش مدل مورد استفاده قرار گرفتند - یک شبکه متخاصم مولد قبلاً پیشنهاد شده بود.

Schauman گفت: "برای بهبود استحکام خط لوله در کلینیک، یک پیش اسکن میدان دید بزرگ 30 ثانیه ای گنجانده شد." در کار آینده، ما قصد داریم از پیش‌اسکن برای تخمین B0 و B1 استفاده کنیم، اما در حال حاضر، از آن برای بهینه‌سازی فشرده‌سازی کویل خود برای سرکوب سیگنال خارج از میدان دید با استفاده از روشی به نام سیم‌پیچ‌های مجازی بهینه‌شده منطقه (ROVir) استفاده می‌کنیم. ] و همچنین به طور خودکار تغییراتی را در داده ها اعمال می کند [تا اطمینان حاصل شود که مغز در میدان دید متمرکز شده است."

Schauman گفت، در مقایسه با تصاویر بازسازی شده با استفاده از تکنیک سنتی که چهار ساعت طول می کشد، روش بازسازی سریع دارای نمونه های باستانی بیشتر، تار شدن بیشتر و نویز بیشتری است.

او گفت: «با این حال، اگر بتوان این اطلاعات را در شبکه سنتز بازیابی کرد، همه اینها اصلاً مهم نیست.

در دو آزمودنی، تصاویر سنتز شده با مغناطش با وزن T1 تهیه شده با گرادیان اکوی سریع (MP-RAGE)، وزن T2، بازیابی وارونگی ضعیف شده با مایع T2 (FLAIR) و بازیابی وارونه دوگانه (DIR) به صورت تکه ای مشابه بودند. شاخص‌های تشابه ساختاری در مقایسه با تصاویر سنتز شده تولید شده از تکنیک بازسازی مرجع.

Schauman گفت: «جهت‌های آینده پروژه شامل جمع‌آوری اطلاعات بالینی مستمر، با هدف گنجاندن بیماران در مجموعه داده‌های آموزشی با استفاده از روش‌های نیمه‌نظارت‌شده و بهبود استحکام خط لوله در مورد موقعیت‌یابی بیمار در میدان دید است». همچنین هدف ما این است که با دستیابی به نقشه های B0 و B1 سریعتر برای کالیبراسیون تصویربرداری کمی، مبادله زمان/کیفیت را بیشتر بهینه کنیم.

• این مقاله در اصل در تاریخ منتشر شد AuntMinnieEurope.com © 2022 توسط AuntMinnieEurope.com. هر گونه کپی، انتشار مجدد یا توزیع مجدد AuntMinnieEurope.com محتوا بدون رضایت کتبی قبلی صراحتاً ممنوع است AuntMinnieEurope.com.

پست آیا یادگیری ماشینی می تواند اسکن یک دقیقه ای MRI مغز را ارائه دهد؟ به نظر می رسد برای اولین بار در دنیای فیزیک.

• Coinsmart. بهترین صرافی بیت کوین و کریپتو اروپا.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی رایگان.
• CryptoHawk. رادار آلت کوین امتحان رایگان.
• منبع: https://physicsworld.com/a/can-machine-learning-deliver-one-minute-brain-mri-scans/