AI는 낮은 전계 강도 MR 스캔에서 고해상도 뇌 이미지를 생성합니다.

휴대용 저필드 강도 MRI 시스템은 낮은 공간 해상도와 낮은 SNR(신호 대 잡음비) 비율을 극복할 수 있다면 신경 영상을 변환할 수 있는 잠재력을 가지고 있습니다. 연구원 하버드 의과 대학 이 목표를 달성하기 위해 인공 지능(AI)을 활용하고 있습니다. 그들은 저해상도 뇌 MRI 스캔에서 높은 공간 해상도로 합성 이미지를 생성하는 기계 학습 초해상도 알고리즘을 개발했습니다.

LF-SynthSR로 알려진 CNN(Convolutional Neural Network) 알고리즘은 낮은 필드 강도(0.064T) T1 및 T2 가중 뇌 MRI 시퀀스를 1mm 공간 해상도 및 T1 가중 자화 모양의 등방성 이미지로 변환합니다. -MP-RAGE(빠른 기울기 에코) 획득 준비. 그들의 개념 증명 연구를 방사선과, 연구원들은 합성 이미지가 1.5T 및 3.0T MRI 스캐너로 획득한 이미지와 높은 상관관계를 보였다고 보고합니다.

이미지 구조의 정량적 크기 및 모양 분석인 형태측정법은 많은 신경영상 연구의 핵심입니다. 불행하게도 대부분의 MRI 분석 도구는 등방성에 가까운 고해상도 획득을 위해 설계되었으며 일반적으로 MP-RAGE와 같은 T1 강조 이미지가 필요합니다. 복셀 크기와 비등방성이 증가함에 따라 성능이 급격하게 떨어지는 경우가 많습니다. 기존 임상 MRI 스캔의 대다수는 이방성이 높기 때문에 기존 도구로는 안정적으로 분석할 수 없습니다.

“매년 수백만 개의 저해상도 뇌 MR 이미지가 생성되지만 현재 신경 영상 소프트웨어로는 분석할 수 없습니다.”라고 책임 연구원은 설명합니다. 후안 유지니오 이글레시아스. “현재 연구의 주요 목표는 저해상도 뇌 MR 이미지를 연구에 사용하는 고해상도 MRI 스캔처럼 보이게 하는 알고리즘을 개발하는 것입니다. 저는 임상 스캔의 자동화된 3D 분석을 가능하게 하고 휴대용 저필드 MRI 스캐너와 함께 사용하는 두 가지 애플리케이션에 특히 관심이 있습니다.”

교육 및 테스트

LF-SynthSR은 일상적인 임상 MR 스캔에서 1mm 해상도 MP-RAGE 등방성 스캔을 예측하도록 CNN을 훈련하기 위해 팀에서 개발한 방법인 SynthSR을 기반으로 합니다. 에서 보고된 이전 연구 결과 NeuroImage SynthSR에서 생성된 이미지는 피질하 분할 및 용적 측정, 이미지 등록, 일부 품질 요구 사항이 충족되는 경우 피질 두께 형태 측정에도 안정적으로 사용될 수 있음을 보여주었습니다.

LF-SynthSR과 SynthSR은 모두 3D 분할에서 생성된 매우 다양한 모양의 합성 입력 이미지에 대해 훈련되므로 대비, 해상도 및 방향의 모든 조합에 대해 CNN을 훈련하는 데 사용할 수 있습니다.

Iglesias는 데이터가 대략적으로 일정할 때 신경망이 가장 잘 작동하지만 모든 병원은 다르게 구성된 여러 공급업체의 스캐너를 사용하여 스캔 결과가 매우 이질적이라고 지적합니다. "이 문제를 해결하기 위해 우리는 '도메인 무작위화'라는 기계 학습 분야에서 아이디어를 차용하고 있습니다. 이 분야에서는 모양과 해상도를 지속적으로 변경하도록 시뮬레이트되는 합성 이미지로 신경망을 훈련하여 특정 조건에 구애받지 않는 훈련된 네트워크를 얻습니다. 입력 이미지의 모양”이라고 설명합니다.

LF-SynthSR의 성능을 평가하기 위해 연구원들은 합성 MRI와 실제 높은 전계 강도 이미지 간의 뇌 형태 측정을 연관시켰습니다. 훈련을 위해 그들은 1명의 피험자로부터 얻은 20mm 등방성 MP-RAGE 스캔의 고자기장 강도 MRI 데이터 세트를 사용했습니다. 그들은 또한 36개의 뇌 관심 영역(ROI)과 XNUMX개의 대뇌외 ROI의 해당 세분화를 사용했습니다. 트레이닝 세트는 또한 뇌졸중이나 출혈과 같은 병리 조직을 더 잘 모델링하기 위해 인위적으로 증강되었습니다.

테스트 세트는 치료 표준 고자기장 강도(24–0.064 T) MRI 외에 저자기장 강도(1.5 T) 스캔을 가진 신경학적 증상이 있는 3명의 참가자의 이미징 데이터로 구성되었습니다. 이 알고리즘은 원본 데이터보다 복셀이 1배 이상 작은 낮은 필드 강도의 뇌 MRI에서 10mm 등방성 합성 MP-RAGE 이미지를 성공적으로 생성했습니다. 참가자 11명의 최종 샘플에서 합성 이미지를 자동으로 분할하여 고자기장 강도 MR 스캔에서 파생된 것과 높은 상관관계가 있는 ROI 볼륨을 산출했습니다.

"LF-SynthSR은 자동화된 세분화 방법뿐만 아니라 잠재적으로 등록 및 분류 알고리즘과 함께 사용할 수 있는 지점까지 낮은 필드 강도 MRI 스캔의 이미지 품질을 향상시킬 수 있습니다."라고 연구원은 썼습니다. "또한 비정상적인 병변의 탐지를 강화하는 데 사용될 수 있습니다."

자동화된 형태 측정법을 사용하여 저해상도 뇌 MRI를 분석하는 이 기능은 현재 신경 영상 연구에서 과소 대표되는 희귀 질환 및 인구에 대한 연구를 가능하게 합니다. 또한 휴대용 MRI 스캐너의 이미지 품질을 개선하면 환자를 MRI실로 옮기는 것이 종종 너무 위험한 중환자 치료뿐만 아니라 의학적으로 소외된 지역에서의 사용이 향상될 것입니다.

휴대용 MRI는 환자 침대 옆에서 뇌졸중을 진단합니다.

Iglesias는 또 다른 문제는 CNN에서 처리해야 하는 임상 스캔에서 발견된 광범위한 이상이라고 말합니다. "현재 SynthSR은 건강한 뇌, 위축이 있는 경우, 작은 다발성 경화증 병변이나 작은 뇌졸중과 같은 작은 이상에 잘 작동합니다."라고 그는 말합니다. 물리 세계. "우리는 현재 더 큰 뇌졸중이나 종양과 같은 더 큰 병변을 효과적으로 치료할 수 있도록 방법을 개선하기 위해 노력하고 있습니다."

함께 제공되는 사설에서 작성 방사선과, 비르기트 에르틀바그너 과 마티아스 바그너 인사말 아픈 아이들을위한 병원 토론토에서 논평: "이 흥미진진한 기술 개발 연구는 인공 지능을 사용하여 전계 강도를 낮추고 공간 및 대비 해상도를 높게 목표로 할 수 있는 잠재력을 보여줍니다."

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://physicsworld.com/a/ai-creates-high-resolution-brain-images-from-low-field-strength-mr-scans/