1. 我是CIO首页
  2. 资讯
  3. 健康医疗

人工智能加速血流MRI(核磁共振成像)

人工智能加速血流MRI
新的MRI方法可以在不到五分钟的时间内(而不是目前的30分钟)获得精确的MRI血流图像。

成像技术有助于更早发现心血管疾病。但是,精确检查仍然非常耗时。ETH和苏黎世大学的研究人员现在提出了一种可以大大加速血流动态磁共振成像的方法。

ETH和苏黎世大学的生物医学成像教授塞巴斯蒂安·科泽尔克(Sebastian Kozerke)说:“借助这项创新,定量磁共振成像技术可以取得巨大进步。” 他与Valery Vishnevskiy和Jonas Walheim合作开发了一种大大加速所谓的4-D流MRI的方法。

“目前,4-D流MRI的记录和后续处理最多需要30分钟。我们的结果表明,将来有可能在五分钟之内完成。” 基础研究在本周早些时候发表在《自然机器情报》杂志,作为4月刊的文章和封面。

磁共振断层扫描(MRT或MRI)是临床诊断的关键方式。它不构成健康风险,并提供人体内部的精确图像。此方法可用于以3D方式并以高对比度显示柔软的身体部位,例如组织和器官。此外,特殊的记录技术还可以提供有关心血管系统动态的信息。

特别是,4-D流量MRI测量可以量化血流的动态变化。这样的动态图像非常有用,尤其是在检测心血管疾病时。

但是,常规的4-D流MRI具有一个明显的缺点:该方法非常耗时。如今,数据记录可以在MRI扫描仪中四分钟之内完成。然而,所需的压缩感测方法是有代价的:随后的图像重建是迭代的,因此花费很长时间。医生必须等待25分钟或更长时间,图像才能显示在计算机上。

因此,测量结果仅在医生完成检查后很长时间才可用。这就是为什么在日常医疗实践中尚未建立4-D流MRI的原因。目前主要通过超声诊断血流的变化,与MRI相比,该方法更快但精度更低。

优雅高效的算法

在最近发表的文章中,ETH和苏黎世大学的研究人员展示了一种方法,可以更快地实现4-D流MRI的图像重建,从而更加实用。Kozerke解释说:“该解决方案由基于神经网络的优雅,高效的算法组成。”

Vishnevskiy,Kozerke和Walheim称他们的新方法FlowVN。它基于机器学习,更具体来说是基于所谓的深度学习 ; 该软件通过培训阶段提供的数据进行学习。FlowVN之所以如此与众不同,是因为效率–该方法将培训与测量的先验知识相结合。

这意味着可以基于少量数据进行概括,而不需要数千个训练示例。Vishnevskiy解释说:“因此,该网络只需要很少的培训就可以提供可靠的结果。”

研究人员能够证明这种方法可以在最近发表的论文中描述。他们使用对健康测试对象进行的11次MRI扫描对软件进行了培训。该数据足以在短短21秒内在普通计算机上准确再现患者主动脉中的病理性血流。因此,该方法比常规方法快许多倍,并且最重要的是,可以提供更好的结果。

推进临床诊断

Kozerke说:“我们希望FlowVN将推动在临床诊断中使用4-D流动MRI。” 数据已离线进行重建以用于本研究。苏黎世研究团队的下一步将是在临床MRI机器上安装该软件。“我们然后设想进行更大范围的临床患者研究,” Kozerke说。研究人员受益于与苏黎世大学医院放射科和心脏病科的长期合作关系。

如果后续测试证实了Kozerke小组获得的结果,则该方法有一天可能会进入日常医疗实践。Kozerke估计:“但是,至少要等四到五年才能实现。” 为了加速科学研究过程,他的团队将可执行代码和数据示例作为开放源提供,使其他科学家能够测试和重现该方法。

本文为作者 胡慧 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论