Facebook和纽约大学医学院合作研究 缩短MRI成像时间
2018-08-21 赵泓维 动脉网
近日，来自Facebook人工智能研究（FAIR）小组的Larry Zitnick和来自纽约大学医学院的Daniel Sodickson，M.D.，Ph.D和Michael Recht，M.D合作推出了fastMRI项目。fastMRI是一个新的合作研究项目，其目的是运用AI将MRI扫描速度提高10倍。如果这项工作取得成功，医生可以节约时间接待更多的患者。MRI扫描仪提供的图像包含的细节软组织
近日，来自Facebook人工智能研究（FAIR）小组的Larry Zitnick和来自纽约大学医学院的Daniel Sodickson，M.D.，Ph.D和Michael Recht，M.D合作推出了fastMRI项目。fastMRI是一个新的合作研究项目，其目的是运用AI将MRI扫描速度提高10倍。如果这项工作取得成功，医生可以节约时间接待更多的患者。
MRI扫描仪提供的图像包含的细节软组织相关细节 （例如器官和血管）通常较其他形式的医学成像更多，但其图像生成较慢，通常需要十五分钟到 一个小时。相比之下，X射线和CT扫描的时间分别为不到一秒与一分钟。MRI长时间的扫描对幼儿以及幽闭恐惧症患者感到痛苦。
此外，而许多农村地区和贫困国家的MRI缺乏，已有的设别不足以负担大量的人群。通过提高MRI扫描仪的速度，williamhill asia
可以使更多患者能够使用这些设备。
充分加速的MRI设备还可以减少患者在腹部和躯干的心脏，肝脏或其他器官成像期间必须屏住呼吸的时间量。提高速度可以让MRI机器在某些应用中充当X射线和CT机器的角色，让患者避免与这些扫描相关的电离辐射。
先进医学成像的挑战
该项目最初将侧重于改变MRI机器的运行方式。目前，扫描仪通过在一系列连续视图中收集原始数值数据并将数据转换为内部身体结构的横截面图像来工作，然后医生将其用于评估患者的健康状况。要收集的数据集越大，扫描所需的时间就越长。
使用AI，可以捕获更少的数据并因此更快地扫描，同时保留甚至增强磁共振图像的丰富信息内容。关键是训练人工神经网络以识别图像的底层结构，以便填充加速扫描中省略的视图。这种方法类似于人类处理感官信息的方式：当williamhill asia
体验这个世界时，williamhill asia
的大脑经常会收到一幅不完整的图片——就像被遮挡或昏暗的物体一样——大脑需要将其转化成可操作的信息。纽约大学医学院的早期工作表明，人工神经网络可以完成类似的任务，从少量的数据中生成高质量的图像。
实际上，通过部分信息重建图像是一个非常困难的问题。神经网络必须能够有效地弥合扫描数据中的间隙，而不牺牲准确性。一些缺失或错误建模的像素可能意味着医生将作出错误的判断。相反，捕获图像中先前无法访问的信息可以完全挽救生命。
（左）未充分采样的原始MRI数据。 用于捕获该数据的MRI扫描比用于捕获诊断研究的完整数据的扫描更快，但是欠采样在得到的MRI图像中产生噪声和伪影。 （右）从二次采样数据重建的膝盖的MRI图像。 fastMRI项目旨在使用AI创建有用的MRI图像，没有像这里显示的噪声和伪像。
Facebook和纽约大学的合作
纽约大学医学院是纽约大学朗格健康系的一个部门，它长期以来一直致力于推动医学研究和教育的发展，以造福患者的生活。放射科的高级成像创新和研究中心（CAI2R）包括一个由工程师，物理学家，数学家，放射科医师以及其他临床医生和科学家组成的多学科团队，他们在快速图像采集，平行成像和高级图像重建方面拥有丰富的专业知识。现在他们将工作重心置于开发新型成像技术，并将这些技术迅速转化为临床实践。
自2016年以来，CAI2R研究人员一直致力于利用AI实现更快的MRI扫描。早期研究表明扫描时间可以减少一个数量级甚至过多。然而，要实现这些潜在收益，需要额外的AI知识以及大规模计算资源。
大约在同一时间，Facebook人工智能研究（FAIR）小组专注于推动人工智能状态的开放和基础研究，正在寻找AI可能产生重大现实影响的项目。 CAI2R的图像重建工作符合这些标准，并为FAIR提供了结合其深度学习专业知识的机会（特别是在计算机视觉领域），并利用医学院领先的成像科学专业知识培训大规模模型的能力。
项目数据详情
该项目中使用的成像数据集由纽约大学医学院专门收集，由10，000个临床病例组成，包括大约300万个膝盖，脑和肝脏的磁共振图像。
所有数据（包括图像和原始扫描仪数据）都完全剥离了患者姓名和所有其他受保护的健康信息。这项工作完全符合HIPAA标准，并经过纽约大学朗格纳机构审查委员会的批准，该委员会负责监督医疗中心的所有人体研究。该项目受严格的人体主题数据保护协议的约束，并由纽约大学朗格尼的世界级信息技术团队提供支持。
用于该项目的磁共振图像（通常代表解剖学的小目标区域）已经被清除了任何潜在的区别特征。同样，基于AI的重建与传统重建之间的性能比较也将缺乏任何识别信息。项目中不会使用任何类型的Facebook数据。
纽约大学医学院放射科主任Michael Recht，医学博士，医学博士Daniel Sodickson，研究副主席和高级成像创新中心主任，人工智能主任Yvonne Lui医学博士，在纽约大学朗格健康分校检查膝关节MRI 2019年8月，纽约大学医学院的放射科医生将开始与Facebook开展研究合作，通过人工智能将MRI加速提高10倍。
Recht，Sodickson和Lui于2018年8月在纽约大学朗格健康医院检查膝关节MRI扫描。
“为了尽可能快地推进医学成像的最新技术水平，双方计划开源这项工作，以吸引更多研究团体能够在williamhill asia
的发展基础上进一步发展。随着项目的进展，Facebook将分享与此研究相关的AI模型，基线和评估指标，纽约大学医学院将开源图像数据集。这将有助于确保工作的可重复性，并加速在临床实践中采用所得方法。”
下一步是什么
虽然该项目最初将专注于MRI技术，但其长期影响可能会扩展到许多其他医学成像应用。例如，AI提供的改进也有可能彻底改变CT扫描。先进的图像重建可以实现适合弱势群体的超低剂量CT扫描，例如儿科患者。这些改进不仅有助于改变医学成像的经验和有效性，而且还有助于平等获得医疗保健不可或缺的要素。
fastMRI项目将展示来自不同领域和行业的领域专家如何共同合作，以产生一种开放式研究，这将对世界产生深远而持久的积极影响。
版权声明：
本网站所有内容来源注明为“williamhill asia 医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于williamhill asia 医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“williamhill asia 医学”。其它来源的文章系转载文章，或“williamhill asia 号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与williamhill asia 联系，williamhill asia 将立即进行删除处理。
在此留言
本网站所有内容来源注明为“williamhill asia 医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于williamhill asia 医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“williamhill asia 医学”。其它来源的文章系转载文章，或“williamhill asia 号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与williamhill asia 联系，williamhill asia 将立即进行删除处理。
在此留言
#ACE#
42
#Facebook#
74
#FAC#
42
#医学院#
0