Kan maskinlæring levere ett minutts hjerne-MR-skanning?

Med noen få forbedringer, inkludert maskinlæring, kan en kvantitativ teknikk kalt MR-fingeravtrykk gjøre en ett-minutters klinisk hjerne-MR-skanning til en realitet, ifølge et foredrag som ble presentert på det nylige International Society for Magnetic Resonance in Medicine (ISMRM) møte i London.

Forskere fra Stanford University utviklet et rammeverk for innhenting og rekonstruksjon av MR-fingeravtrykk for kvantitativ og multikontrastavbildning som krever en skannetid på omtrent ett minutt og en rekonstruksjonstid på så lite som fem minutter.

Med hjelp fra en maskinlæringsalgoritme for bildesyntese, kan metoden gi fem høykvalitetsbilder med vanlige kliniske kontraster ved 1 mm isotrop oppløsning, samt kvantitative T1-, T2- og protontetthetskart, ifølge programleder. Sophie Schauman og kolleger.

De ISMRM møte ble holdt i forbindelse med European Society for Magnetic Resonance in Medicine and Biology og International Society for MR Radiographers and Technologists.

Rom for forbedring

Det er absolutt rom for å øke hastigheten på MR. Tradisjonell MR opererer på k-space-data, og muliggjør dermed rask rekonstruksjon ved bruk av standard parallelle avbildningsmetoder, ifølge Schauman.

Men "skannetidene er lange, og tykke skiver blir ofte anskaffet for å overvinne dette," sa hun. "De fleste kliniske MR-skanninger er T1- eller T2-vektet. Dermed er bildekontrasten kvalitativ og ikke kvantitativ."

Moderne, svært undersamplede innsamlingsmetoder kan redusere skannetiden drastisk, samt kode vevsegenskaper på en kvantitativ måte. Imidlertid kommer disse raskere anskaffelsestidene ofte på bekostning av en lengre rekonstruksjonstid, noe som gjør disse teknikkene upraktiske i kliniske omgivelser, ifølge Schauman.

"For å oversette moderne MR til klinisk nyttige verktøy, trenger vi rask innhenting, vi trenger raskere rekonstruksjon, og vi trenger fleksibilitet i å tilegne oss både kontrastene som er nyttige for klinikere, så vel som kvantitativ avbildning som kan brukes, for eksempel , i longitudinelle studier," sa hun.

MR-fingeravtrykk

Forskerne henvendte seg til MR-fingeravtrykk for å forfølge dette målet. MR-fingeravtrykk er en kvantitativ teknikk som tillater samtidig måling av flere vevsegenskaper i en enkelt datainnsamling.

I prosjektet deres brukte Stanford-forskerne en liten gyllen vinkel stokkende flerakset spiralprojeksjon MR-fingeravtrykksekvens. Denne metoden gir 1 mm isotropisk oppløsning for hele hjernen, men dette er foreløpig ikke mulig å bruke på grunn av behovet for mer enn fire timers rekonstruksjonstid.

I et forsøk på å gjøre MR-fingeravtrykk til en enda mer lovende metode for kliniske omgivelser, forsøkte forskerne å innlemme en rask rekonstruksjonsmetode, sa Schauman. De brukte en subspace rekonstruksjonsteknikk som tar omtrent syv minutter å utføre og involverer tre subspace-komponenter – i stedet for de vanlige fem som brukes – og tre spoler.

Forskerne brukte deretter maskinlæringsbasert syntese for å forbedre skannekvaliteten og -hastigheten ytterligere. For å trene algoritmen brukte de data bidratt fra 14 friske frivillige. Av de 14 forsøkspersonene ble 10 brukt til trening, to ble brukt til validering og to ble brukt til å teste modellen – et tidligere foreslått generativt motstandernettverk.

"For å forbedre robustheten til rørledningen i klinikken ble en 30-sekunders forhåndsskanning med stort synsfelt inkludert," sa Schauman. "I fremtidig arbeid har vi til hensikt å bruke forhåndsskanningen for B0- og B1-estimering, men foreløpig bruker vi den til å optimalisere spolekomprimeringen vår for å undertrykke signal utenfor synsfeltet ved å bruke en metode kalt [regionoptimaliserte virtuelle (ROVir) spoler ] og også automatisk bruke skift til dataene [for] å sikre at hjernen var sentrert i synsfeltet.»

Sammenlignet med bilder rekonstruert ved hjelp av den tradisjonelle teknikken som tar fire timer, har den raske rekonstruksjonsmetoden flere undersampling-artefakter, mer uskarphet og mer støy, sa Schauman.

"Men hvis denne informasjonen kan gjenopprettes i syntesenettverket, spiller alt dette ingen rolle i det hele tatt," sa hun.

Hos de to testpersonene hadde de syntetiserte T1-vektede magnetiseringsforberedte raske akkvisisjonsgradient-ekko (MP-RAGE), T2-vektede, T2 væskedempede inversjonsgjenoppretting (FLAIR) og dobbel inversjonsgjenoppretting (DIR) bilder svært like skivevis strukturelle likhetsindekser sammenlignet med syntetiserte bilder produsert fra referanserekonstruksjonsteknikken.

"Fremtidige retninger for prosjektet inkluderer fortsatt klinisk datainnsamling, med sikte på å inkludere pasienter i treningsdatasettet ved bruk av semi-overvåkede metoder og forbedret robusthet av rørledningen angående pasientposisjonering i synsfeltet," sa Schauman. "Vi har også som mål å ytterligere optimalisere tid/kvalitet-avveiningen ved å anskaffe raskere B0- og B1-kart for kalibrering av kvantitativ bildebehandling."

• Denne artikkelen ble opprinnelig publisert på AuntMinnieEurope.com © 2022 av AuntMinnieEurope.com. Enhver kopiering, republisering eller omfordeling av AuntMinnieEurope.com innhold er uttrykkelig forbudt uten forutgående skriftlig samtykke fra AuntMinnieEurope.com.

Innlegget Kan maskinlæring levere ett minutts hjerne-MR-skanning? dukket først på Fysikkens verden.

• Myntsmart. Europas beste Bitcoin og Crypto Exchange.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. FRI TILGANG.
• CryptoHawk. Altcoin Radar. Gratis prøveperiode.
• Kilde: https://physicsworld.com/a/can-machine-learning-deliver-one-minute-brain-mri-scans/