Voiko koneoppiminen tuottaa minuutin mittaisia ​​aivojen MRI-skannauksia?

Muutamalla parannuksella, mukaan lukien koneoppiminen, kvantitatiivinen tekniikka, jota kutsutaan MR-sormenjäljeksi, voisi tehdä yhden minuutin kliinisestä aivojen MRI-skannauksesta todellisuutta äskettäin International Society for Magnetic Resonance in Medicine -järjestössä pidetyn puheen mukaan.ISMRM) kokous Lontoossa.

Stanfordin yliopiston tutkijat kehittivät MR-sormenjälkien hankinta- ja rekonstruointikehyksen kvantitatiiviseen ja monikontrastikuvaukseen, joka vaatii noin minuutin skannausajan ja vain viiden minuutin rekonstruktioajan.

Kuvasynteesin koneoppimisalgoritmin avulla menetelmällä voidaan tarjota viisi korkealaatuista kuvaa yleisillä kliinisillä kontrasteilla 1 mm:n isotrooppisella resoluutiolla sekä kvantitatiiviset T1-, T2- ja protonitiheyskartat, esittelijän mukaan. Sophie Schauman ja kollegat.

- ISMRM-kokous järjestettiin yhdessä European Society for Magnetic Resonance in Medicine and Biology ja International Society for MR Radiographers and Technologists kanssa.

Tilaa parannuksille

On varmasti tilaa nopeuttaa magneettikuvausta. Perinteinen MRI toimii k-avaruusdatalla, mikä mahdollistaa nopean rekonstruoinnin tavallisilla rinnakkaiskuvausmenetelmillä Schaumanin mukaan.

Kuitenkin "skannausajat ovat pitkiä, ja tämän voittamiseksi hankitaan usein paksuja siivuja", hän sanoi. "Useimmat kliiniset magneettikuvaukset ovat T1- tai T2-painotettuja. Siten kuvan kontrasti on laadullinen eikä määrällinen."

Nykyaikaiset, erittäin alinäytteenottomenetelmät voivat lyhentää skannausaikoja dramaattisesti ja koodata kudosten ominaisuuksia kvantitatiivisesti. Nämä nopeammat hankintaajat kuitenkin usein maksavat pidemmän rekonstruktioajan, mikä tekee näistä tekniikoista epäkäytännöllisiä kliinisissä olosuhteissa, Schaumanin mukaan.

"Jotta nykyaikainen MRI muutetaan kliinisesti hyödyllisiksi työkaluiksi, tarvitsemme nopeaa hankintaa, nopeampaa rekonstruktiota ja joustavuutta sekä kliinikoille hyödyllisten kontrastien hankinnassa että kvantitatiivisessa kuvantamisessa, jota voidaan käyttää mm. , pitkittäistutkimuksissa", hän sanoi.

MR-sormenjälki

Tutkijat kääntyivät MR-sormenjälkien ottamiseen tämän tavoitteen saavuttamiseksi. MRI-sormenjälki on kvantitatiivinen tekniikka, joka mahdollistaa useiden kudosten ominaisuuksien samanaikaisen mittaamisen yhdellä tiedonkeruulla.

Stanfordin tutkijat käyttivät projektissaan pientä kultaisen kulman sekoittavaa moniakselista spiraaliprojektio MR-sormenjälkisekvenssiä. Tämä menetelmä tuottaa 1 mm:n isotrooppisen resoluution koko aivoille, mutta se ei ole tällä hetkellä käyttökelpoinen, koska se tarvitsee yli neljä tuntia rekonstruktioaikaa.

Schauman sanoi, että pyrkiessään tekemään MR-sormenjäljestä entistä lupaavamman menetelmän kliinisissä olosuhteissa tutkijat pyrkivät sisällyttämään nopean rekonstruktiomenetelmän. He käyttivät aliavaruuden rekonstruktiotekniikkaa, joka kestää noin seitsemän minuuttia ja sisältää kolme aliavaruuden komponenttia – tavallisen viiden käytetyn sijaan – ja kolme kelaa.

Tutkijat käyttivät sitten koneoppimiseen perustuvaa synteesiä parantaakseen skannauksen laatua ja nopeutta entisestään. Algoritmin kouluttamiseen he käyttivät 14 terveen vapaaehtoisen toimittamia tietoja. 14 koehenkilöstä 10 käytettiin koulutukseen, kahta validointiin ja kahta mallin testaamiseen – aiemmin ehdotettua generatiivista kontradiktorista verkostoa.

"Lueputken kestävyyden parantamiseksi klinikalla sisällytettiin 30 sekunnin laajan näkökentän esiskannaus", Schauman sanoi. "Tulevassa työssä aiomme käyttää esiskannausta B0- ja B1-estimointiin, mutta tällä hetkellä käytämme sitä optimoimaan kelakompressiomme signaalin vaimentamiseksi näkökentän ulkopuolella käyttämällä menetelmää nimeltä [alueoptimoidut virtuaaliset (ROVir) kelat. ] ja käyttää myös automaattisesti muutoksia dataan varmistaakseen, että aivot ovat keskittyneet näkökenttään.

Verrattuna perinteisellä tekniikalla rekonstruoituihin kuviin, jotka vievät neljä tuntia, nopeassa rekonstruktiomenetelmässä on enemmän alinäytteenottoa, enemmän epäselvyyttä ja enemmän kohinaa, Schauman sanoi.

"Kuitenkin, jos nämä tiedot voidaan palauttaa synteesiverkossa, kaikella tällä ei ole merkitystä", hän sanoi.

Kahdella koehenkilöllä syntetisoidut T1-painotteiset magnetisaatiolla valmistetut nopean kuvauksen gradienttikaiku (MP-RAGE), T2-painotetut, T2-nestevaimennettu inversiopalautus (FLAIR) ja kaksoisinversiopalautus (DIR) -kuvat olivat erittäin samankaltaisia ​​siivuittain. rakenteelliset samankaltaisuusindeksit verrattuna referenssirekonstruktiotekniikalla valmistettuihin syntetisoituihin kuviin.

"Projektin tuleviin suuntiin kuuluu jatkuva kliinisen tiedon keruu, jonka tavoitteena on ottaa potilaat mukaan harjoitusaineistoon puolivalvotuilla menetelmillä ja parantaa putkilinjan kestävyyttä potilaan asennon suhteen näkökentässä", Schauman sanoi. "Pyrimme myös optimoimaan edelleen ajan ja laadun välistä kompromissia hankkimalla nopeampia B0- ja B1-karttoja kvantitatiivisen kuvantamisen kalibrointiin."

• Tämä artikkeli julkaistiin alunperin AuntMinnieEurope.com © 2022 kirjoittanut AuntMinnieEurope.com. Kaikenlainen kopiointi, uudelleenjulkaisu tai jakelu AuntMinnieEurope.com sisältö on nimenomaisesti kielletty ilman kirjallista lupaa AuntMinnieEurope.com.

Viesti Voiko koneoppiminen tuottaa minuutin mittaisia ​​aivojen MRI-skannauksia? ilmestyi ensin Fysiikan maailma.

• Coinsmart. Euroopan paras Bitcoin- ja kryptopörssi.
• Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. VAPAA PÄÄSY.
• CryptoHawk. Altcoinin tutka. Ilmainen kokeilu.
• Lähde: https://physicsworld.com/a/can-machine-learning-deliver-one-minute-brain-mri-scans/