L'apprentissage automatique peut-il fournir des IRM cérébrales d'une minute ?

Avec quelques améliorations, y compris l'apprentissage automatique, une technique quantitative appelée IRM pourrait faire d'une IRM cérébrale clinique d'une minute une réalité, selon une conférence présentée à la récente International Society for Magnetic Resonance in Medicine (ISMRM) réunion à Londres.

Des chercheurs de l'Université de Stanford ont développé un cadre d'acquisition et de reconstruction d'empreintes digitales MR pour l'imagerie quantitative et multicontraste qui nécessite un temps de numérisation d'environ une minute et un temps de reconstruction d'aussi peu que cinq minutes.

Avec l'aide d'un algorithme d'apprentissage automatique pour la synthèse d'images, la méthode peut fournir cinq images de haute qualité avec des contrastes cliniques communs à une résolution isotrope de 1 mm, ainsi que des cartes quantitatives de densité T1, T2 et de protons, selon le présentateur Sophie Schauman et collègues.

Les Réunion ISMRM a eu lieu en collaboration avec la Société européenne de résonance magnétique en médecine et en biologie et la Société internationale des radiographes et technologues en IRM.

Marge d'amélioration

Il y a certainement de la place pour accélérer l'IRM. L'IRM traditionnelle fonctionne sur les données de l'espace k, permettant ainsi une reconstruction rapide à l'aide de méthodes d'imagerie parallèle standard, selon Schauman.

Cependant, "les temps de numérisation sont longs et des tranches épaisses sont souvent acquises pour surmonter cela", a-t-elle déclaré. « La plupart des IRM cliniques sont pondérées en T1 ou en T2. Ainsi, le contraste de l'image est qualitatif et non quantitatif.

Les méthodes d'acquisition modernes et fortement sous-échantillonnées peuvent réduire considérablement les temps de numérisation et coder les propriétés des tissus de manière quantitative. Cependant, ces temps d'acquisition plus rapides se font souvent au prix d'un temps de reconstruction plus long, ce qui rend ces techniques peu pratiques en milieu clinique, selon Schauman.

« Afin de traduire l'IRM moderne en outils cliniquement utiles, nous avons besoin d'une acquisition rapide, nous avons besoin d'une reconstruction plus rapide et nous avons besoin de flexibilité pour acquérir à la fois [les] contrastes qui sont utiles pour les cliniciens ainsi que l'imagerie quantitative qui peut être utilisée, par exemple , dans des études longitudinales », a-t-elle déclaré.

Empreintes IRM

Les chercheurs se sont tournés vers les empreintes digitales MR pour poursuivre cet objectif. L'empreinte IRM est une technique quantitative qui permet la mesure simultanée de plusieurs propriétés tissulaires en une seule acquisition de données.

Dans leur projet, les chercheurs de Stanford ont utilisé une minuscule séquence d'empreintes digitales MR à projection en spirale multi-axes à angle d'or. Cette méthode donne une résolution isotrope de 1 mm pour l'ensemble du cerveau, mais cela n'est actuellement pas réalisable en raison de son besoin de plus de quatre heures de temps de reconstruction.

Dans un effort pour faire des empreintes digitales MR une méthode encore plus prometteuse pour les milieux cliniques, les chercheurs ont cherché à incorporer une méthode de reconstruction rapide, a déclaré Schauman. Ils ont utilisé une technique de reconstruction de sous-espace qui prend environ sept minutes à réaliser et implique trois composants de sous-espace – au lieu des cinq habituels qui sont utilisés – et trois bobines.

Les chercheurs ont ensuite utilisé la synthèse basée sur l'apprentissage automatique pour améliorer encore la qualité et la vitesse de numérisation. Pour former l'algorithme, ils ont utilisé les données fournies par 14 volontaires sains. Sur les 14 sujets, 10 ont été utilisés pour la formation, deux ont été utilisés pour la validation et deux ont été utilisés pour tester le modèle - un réseau contradictoire génératif précédemment proposé.

"Pour améliorer la robustesse du pipeline dans la clinique, un pré-balayage à grand champ de vision de 30 secondes a été inclus", a déclaré Schauman. "Dans les travaux futurs, nous avons l'intention d'utiliser le préscan pour l'estimation de B0 et B1, mais pour l'instant, nous l'utilisons pour optimiser notre compression de bobine afin de supprimer le signal en dehors du champ de vision en utilisant une méthode appelée [bobines virtuelles optimisées pour la région (ROVir) ] et applique également automatiquement des décalages aux données [pour] s'assurer que le cerveau était centré dans le champ de vision.

Par rapport aux images reconstruites en utilisant la technique traditionnelle qui prend quatre heures, la méthode de reconstruction rapide a plus d'artefacts de sous-échantillonnage, plus de flou et plus de bruit, a déclaré Schauman.

"Cependant, si ces informations peuvent être récupérées dans le réseau de synthèse, tout cela n'a aucune importance", a-t-elle déclaré.

Chez les deux sujets de test, les images synthétisées d'écho de gradient d'acquisition rapide préparées par magnétisation pondérées en T1 (MP-RAGE), pondérées en T2, de récupération d'inversion atténuée par le fluide T2 (FLAIR) et de récupération d'inversion double (DIR) avaient des images très similaires indices de similarité structurelle par rapport aux images de synthèse produites à partir de la technique de reconstruction de référence.

"Les orientations futures du projet incluent la collecte continue de données cliniques, dans le but d'inclure les patients dans l'ensemble de données de formation à l'aide de méthodes semi-supervisées et d'une robustesse améliorée du pipeline concernant le positionnement du patient dans le champ de vision", a déclaré Schauman. "Nous visons également à optimiser davantage le compromis temps/qualité en acquérant des cartes B0 et B1 plus rapides pour l'étalonnage de l'imagerie quantitative."

• Cet article a été publié initialement le TanteMinnieEurope.com © 2022 by TanteMinnieEurope.com. Toute copie, republication ou redistribution de TanteMinnieEurope.com le contenu est expressément interdit sans le consentement écrit préalable de TanteMinnieEurope.com.

Le poste L'apprentissage automatique peut-il fournir des IRM cérébrales d'une minute ? apparaît en premier sur Monde de la physique.

• Coinsmart. Le meilleur échange Bitcoin et Crypto d'Europe.
• Platoblockchain. Intelligence métaverse Web3. Connaissance amplifiée. ACCÈS LIBRE.
• CryptoHawk. Radar Altcoins. Essai gratuit.
• Source : https://physicsworld.com/a/can-machine-learning-deliver-one-minute-brain-mri-scans/