智東西（公眾號(hào)：zhidxcom）
編譯 | 徐珊
編輯 | 云鵬
智東西6月22日消息，據(jù)國(guó)外媒體Tech Xplore報(bào)道，由生物醫(yī)學(xué)工程助理教授里茲萬(wàn)·艾哈邁德教授（Biomedical Engineering Assistant Professor Rizwan Ahmad）和電氣和計(jì)算機(jī)工程教授菲利普·施尼特（Electrical and Computer Engineering Professor Philip Schniter）組成的跨學(xué)科研究團(tuán)隊(duì)打造了一個(gè)更全面、更強(qiáng)大的深度學(xué)習(xí)框架。
該深度學(xué)習(xí)框架可以通過即插即用的算法（plug-and-play algorithms）突破現(xiàn)有核磁共振成像（Magnetic resonance imaging，MRI）的技術(shù)局限。與現(xiàn)有的MRI成像方法相比，即插即用的算法成像速度將縮短一半。
該研究成果獲得美國(guó)國(guó)立衛(wèi)生研究院（National Institutes of Health）四年一次頒發(fā)的的R01獎(jiǎng)項(xiàng)，獲得230萬(wàn)美元獎(jiǎng)金（約為1487萬(wàn)元）。
此外，這項(xiàng)研究還得到了美國(guó)國(guó)家生物醫(yī)學(xué)成像和生物工程研究所（National Institute of Biomedical Imaging and Bioengineering）的支持。
一、耗時(shí)長(zhǎng)，檢測(cè)難，MRI在兒科成像遭遇難題
核磁共振成像是一種非侵入性診斷工具，可用于檢測(cè)和評(píng)估腦疾病、肌肉骨骼損傷、心血管疾病和癌癥等疾病。
一次基本的核磁共振檢查需要包括多次身體掃描，這可能要耗時(shí)一個(gè)小時(shí)或更長(zhǎng)時(shí)間。因?yàn)檩p微的運(yùn)動(dòng)可能會(huì)影響圖像質(zhì)量，所以每次核磁共振掃描結(jié)束，患者可能都需要保持身體不動(dòng)幾分鐘。
目前，一些動(dòng)態(tài)場(chǎng)景、瞬時(shí)記錄的應(yīng)用常常需要使用核磁共振技術(shù)，比如心臟跳動(dòng)的成像或幾秒鐘內(nèi)發(fā)生的瞬態(tài)現(xiàn)象。
雖然核磁共振成像比其他醫(yī)學(xué)成像技術(shù)有許多優(yōu)勢(shì)，但它仍有成像速度慢、設(shè)備成本高、圖像質(zhì)量低等不足之處。
此外，由于當(dāng)前的核磁共振檢查需將患者放置于強(qiáng)大磁場(chǎng)內(nèi)，用射頻脈沖（ radiofrequency pulse）激發(fā)產(chǎn)生磁共振信號(hào)（magnetic resonance signal），該信號(hào)被機(jī)器設(shè)備攝取后，形成核磁共振影像。而在射頻脈沖激發(fā)過程中會(huì)產(chǎn)生較大噪聲，患者常常容易感到不適，并且兒童患者使用核磁共振檢測(cè)時(shí)，可能會(huì)需要鎮(zhèn)靜劑。
“這是一個(gè)兒科成像的難題，因?yàn)轶w型較小的孩子不愿意一直呆在核磁共振掃描儀里，所以必須讓他們安靜下來”，艾哈邁德說到，“越來越多的研究表明，長(zhǎng)期使用鎮(zhèn)靜劑會(huì)有負(fù)面影響，所以我們有必要減少鎮(zhèn)靜劑的使用。非?？焖俚爻上駥?duì)兒科來說非常重要。”
二、即插即用的算法增加成像速度
施尼特談到，“我們（進(jìn)行實(shí)驗(yàn)的）主要?jiǎng)恿χ皇?，我們希望通過利用原有檢測(cè)技術(shù)檢查患者的身體，但縮短核磁共振成像時(shí)間。我們可以通過每次快速檢測(cè)患者的某個(gè)局部，然后將所有數(shù)據(jù)匯總，最終形成所需的核磁共振圖像。這樣就能避免因?yàn)榛颊叩囊恍┬?dòng)作而導(dǎo)致成像失敗的情況。”，“現(xiàn)在的問題是，我們得到了患者身體的局部數(shù)據(jù)后，（重新檢測(cè)時(shí)）將會(huì)丟失之前所有數(shù)據(jù)。我要如何保留這些數(shù)據(jù)進(jìn)行匯總？”
為了保留每次檢測(cè)的圖像數(shù)據(jù)，從而達(dá)到加速核磁共振成像的效果，研究團(tuán)隊(duì)開發(fā)和驗(yàn)證了一個(gè)全面且強(qiáng)大的深度學(xué)習(xí)框架。
他們通過即插即用的算法，將物理驅(qū)動(dòng)的數(shù)據(jù)采集模型與最先進(jìn)的圖像學(xué)習(xí)模型相結(jié)合，研發(fā)出更快、更準(zhǔn)確的核磁共振方法。與現(xiàn)有的MRI重建方法相比，即插即用的算法成像圖像的速度更快，具有更高的質(zhì)量和潛在卓越的診斷價(jià)值。
“即插即用的算法獨(dú)特之處在于，它將機(jī)器學(xué)習(xí)的方法和傳統(tǒng)物理工程方法相結(jié)合，并在二者之間不斷迭代優(yōu)化，最終生成圖像?！?/p>
一旦該研究完全落地實(shí)施，該研究團(tuán)隊(duì)的新方法可以將核磁共振掃描的時(shí)間縮短到一半。他們的新方案不需要增添或修改任何設(shè)備硬件。而計(jì)算任務(wù)也將由計(jì)算機(jī)工作站連接到MRI掃描儀執(zhí)行。
“當(dāng)臨床醫(yī)生站在核磁共振掃描儀前時(shí)，他們希望能在幾秒鐘內(nèi)就看到這些圖像”，艾哈邁德解釋說，“一旦它被開發(fā)出來，該算法將在幾秒鐘內(nèi)，近乎實(shí)時(shí)地呈現(xiàn)圖像”。
為了證明該方案的廣泛適用性，該團(tuán)隊(duì)將用來自兒童和成人患者的核磁共振成像數(shù)據(jù)來驗(yàn)證其框架。艾哈邁德說，如果成功，該方案為MRI提供的加速功能和圖像質(zhì)量改善技術(shù)將讓所有MRI成像受益。
三、用深度學(xué)習(xí)算法給圖像“降噪”
此外，研究人員還通過基于深度學(xué)習(xí)的去噪器（deep learning-based denoisers）來進(jìn)一步優(yōu)化圖像。
他們證明，在他們的方案中使用特定的、對(duì)應(yīng)的圖像去噪器可以得到更優(yōu)質(zhì)的圖像。算法會(huì)通過刪除不需要的采樣對(duì)象（unwanted sampling artifacts）來增強(qiáng)圖像中的有用信息。他們?cè)凇禝EEE信號(hào)處理雜志（IEEE Signal Processing Magazine）》發(fā)表了該種圖像處理的具體方法。
“我們的目標(biāo)是在特定的應(yīng)用程序基礎(chǔ)上繼續(xù)開發(fā)這一解決方案”，艾哈邁德表示，“它作為一種更專業(yè)的圖像去噪器，它需要做得更好?！?/p>
在模型訓(xùn)練期間，該團(tuán)隊(duì)讓他們的圖像去躁器訪問了數(shù)千個(gè)圖像數(shù)據(jù)集，包括來自紐約大學(xué)快速M(fèi)RI數(shù)據(jù)集（ New York University’s fastMRI dataset）的圖像。
“去躁器屬于計(jì)算神經(jīng)網(wǎng)絡(luò)（computational neural networks），因?yàn)樗鼈兊奶幚斫Y(jié)構(gòu)看起來很像哺乳動(dòng)物的大腦”，施尼特表示到，“我們讓它們（去噪器）接觸到很多醫(yī)學(xué)圖像，它們學(xué)習(xí)了生物結(jié)構(gòu)，還學(xué)習(xí)如何去除醫(yī)學(xué)圖像的“噪聲”，而我們并沒有明確告訴它們?nèi)绾芜@樣做處理”。
研究人員還創(chuàng)建了一個(gè)包含了數(shù)百個(gè)心臟圖像數(shù)據(jù)集的開源存儲(chǔ)庫(kù)（open source repository ），以鼓勵(lì)該領(lǐng)域的研究人員進(jìn)一步探索問題。
施尼特說：“建立一個(gè)數(shù)據(jù)集能‘催化’一個(gè)領(lǐng)域取得很大的進(jìn)展。一旦研究人員有了數(shù)據(jù)，那么許多團(tuán)隊(duì)就可以使用這些數(shù)據(jù)，在競(jìng)爭(zhēng)中不斷進(jìn)步”。
結(jié)語(yǔ)：應(yīng)用AI技術(shù)，助力改善醫(yī)療服務(wù)
據(jù)《科學(xué)》雜志報(bào)道，盡管核磁共振早已作為一種常見的診斷工具為大家所熟知，但家長(zhǎng)往往不愿意兒童處于強(qiáng)大的磁場(chǎng)中。長(zhǎng)時(shí)間、多次處于幽閉的噪音環(huán)境中還會(huì)給兒童造成恐懼心理。
研究團(tuán)隊(duì)通過即插即用的算法，將機(jī)器學(xué)習(xí)的方法和傳統(tǒng)物理工程方法相結(jié)合，為MRI提供快速成像功能。此外，研究人員還使用深度學(xué)習(xí)的去噪器刪除圖像中不必要的信息，以增強(qiáng)圖像中的有用信息。
縮短MRI時(shí)間、即插即用的算法和優(yōu)化圖片質(zhì)量的去噪器與傳統(tǒng)物理工程結(jié)合，可以幫助人們?cè)诓恍枰鎏碓O(shè)備硬件的情況下解決核磁共振檢測(cè)困境，這將為醫(yī)療檢測(cè)行業(yè)帶來新的希望。
我們對(duì)此抱有期待，希望應(yīng)用創(chuàng)新人工智能技術(shù)，助力改善醫(yī)療服務(wù)。
來源：Tech Xplore
