AI は、低磁場強度の MR スキャンから高解像度の脳画像を作成します

ポータブルで低磁場強度の MRI システムは、空間分解能の低さと信号対ノイズ (SNR) 比の低さを克服できれば、ニューロ イメージングを変革する可能性を秘めています。 の研究者 ハーバード·メディカル·スクール この目標を達成するために人工知能 (AI) を活用しています。 彼らは、低解像度の脳 MRI スキャンから高空間解像度の合成画像を生成する機械学習超解像度アルゴリズムを開発しました。

LF-SynthSR として知られる畳み込みニューラル ネットワーク (CNN) アルゴリズムは、低磁場強度 (0.064 T) の T1 および T2 強調脳 MRI シーケンスを 1 mm の空間分解能と T1 強調磁化の外観を持つ等方性画像に変換します。 -準備された高速勾配エコー (MP-RAGE) 取得。 彼らの概念実証研究について説明する 放射線学、研究者は、合成画像が1.5 Tおよび3.0 T MRIスキャナーによって取得された画像と高い相関を示したと報告しています。

画像内の構造の定量的なサイズと形状の分析である形態計測は、多くの神経画像研究の中心です。 残念ながら、ほとんどの MRI 分析ツールは、ほぼ等方性の高解像度取得用に設計されており、通常は MP-RAGE などの T1 強調画像を必要とします。 ボクセルのサイズと異方性が大きくなると、パフォーマンスが急速に低下することがよくあります。 既存の臨床 MRI スキャンの大部分は高度に異方性であるため、既存のツールで確実に分析することはできません。

「毎年、何百万もの低解像度の脳 MR 画像が作成されていますが、現在、神経画像ソフトウェアで分析することはできません」と主任研究員は説明しています。 フアン・エウヘニオ・イグレシアス. 「私の現在の研究の主な目標は、低解像度の脳 MR 画像を、研究で使用する高解像度 MRI スキャンのように見せるアルゴリズムを開発することです。 特に 3 つのアプリケーションに関心があります。臨床スキャンの自動 XNUMXD 分析を可能にすることと、携帯型の低磁場 MRI スキャナーで使用することです。」

トレーニングとテスト

LF-SynthSR は、ルーチンの臨床 MR スキャンから 1 mm 解像度の MP-RAGE 等方性スキャンを予測するように CNN をトレーニングするためにチームによって開発された方法である SynthSR に基づいて構築されています。 で報告された以前の調査結果 ニューロイメージ SynthSR で生成された画像は、皮質下のセグメンテーションとボリューメトリー、画像登録、およびいくつかの品質要件が満たされている場合は、皮質の厚さの形態計測にも確実に使用できることを示しました。

LF-SynthSR と SynthSR はどちらも、3D セグメンテーションから生成された非常に多様な外観の合成入力画像でトレーニングされるため、コントラスト、解像度、向きの任意の組み合わせについて CNN をトレーニングするために使用できます。

Iglesias 氏は、データがほぼ一定に見える場合にニューラル ネットワークが最適に機能することを指摘していますが、すべての病院が異なる構成のさまざまなベンダーのスキャナーを使用しているため、非常に不均一なスキャンが行われています。 「この問題に取り組むために、私たちは「ドメインのランダム化」と呼ばれる機械学習の分野からアイデアを借りています。そこでは、外見と解像度を絶えず変化させるようにシミュレートされた合成画像を使用してニューラル ネットワークをトレーニングし、それにとらわれないトレーニング済みのネットワークを取得します。入力画像の外観」と彼は説明します。

LF-SynthSR の性能を評価するために、研究者は合成 MRI とグラウンド トゥルースの高磁場強度画像との間で脳の形態測定値を関連付けました。 トレーニングのために、彼らは 1 人の被験者からの 20 mm 等方性 MP-RAGE スキャンの高磁場強度 MRI データセットを使用しました。 彼らはまた、36 の脳の関心領域 (ROI) と XNUMX つの脳外 ROI の対応するセグメンテーションを使用しました。 訓練セットはまた、脳卒中や出血などの病理学的組織をより適切にモデル化するために人為的に増強されました。

テスト セットは、標準治療の高磁場強度 (24 ～ 0.064 T) MRI に加えて、低磁場強度 (1.5 T) スキャンを受けた神経学的症状のある 3 人の参加者からの画像データで構成されていました。 このアルゴリズムは、低磁場強度の脳 MRI から 1 mm の等方性合成 MP-RAGE 画像を生成することに成功し、ボクセルは元のデータの 10 分の 11 以上小さくなりました。 XNUMX人の参加者の最終サンプルからの合成画像の自動セグメンテーションにより、高磁場強度MRスキャンから得られたものと非常に相関するROIボリュームが得られました。

「LF-SynthSR は、低磁場強度の MRI スキャンの画質を、自動セグメンテーション方法だけでなく、登録および分類アルゴリズムでも使用できるようになるまで改善する可能性があります」と研究者は書いています。 「異常な病変の検出を強化するためにも使用できます。」

自動化された形態計測を使用して低解像度の脳 MRI を分析するこの機能により、現在の神経画像研究では過小評価されている希少疾患や集団の研究が可能になります。 さらに、ポータブル MRI スキャナからの画像の品質を向上させることで、医療サービスが十分に提供されていない領域や、患者を MRI スイートに移動させることがしばしば危険すぎるクリティカル ケアでの使用が促進されます。

ポータブルMRIは患者のベッドサイドで脳卒中を診断します

Iglesias 氏は、別の課題は、CNN で処理する必要がある臨床スキャンで見つかった広範囲の異常であると述べています。 「現在、SynthSR は、健康な脳、萎縮のある症例、および小さな多発性硬化症病変や小さな脳卒中などの小さな異常にうまく機能します」と彼は言います。 物理学の世界. 「現在、より大きな脳卒中や腫瘍など、より大きな病変に効果的に対処できるように、この方法の改善に取り組んでいます。」

付属の社説で書く 放射線学, ビルギット・エルトル＝ワーグナー & マティアス・ワグナー 病気の子供のための病院 トロントのコメント: 「このエキサイティングな技術開発研究は、人工知能を使用して電界強度を低く抑え、空間解像度とコントラスト解像度を高く目指す可能性を示しています。」

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
• 情報源： https://physicsworld.com/a/ai-creates-high-resolution-brain-images-from-low-field-strength-mr-scans/