由臉書和紐約大學研究人員合作的FastMRI計畫,最新研究不只可以將磁共振成像(MRI)掃描的速度提升10倍,同時還能以深度學習解決圖像偽影的問題,提高整體影像品質。他們找來放射科醫師進行盲測,證實新技術所產生的影像,可以在保持細節的條件下,產生更少偽影的MRI圖像。

研究人員提到,深度學習要從較少的原始資料產生高精準的MRI掃描圖像時,通常會出現帶狀或是條紋狀的偽影,這些偽影會干擾或是遮蓋圖像的細節,雖然一般人很難注意到偽影的存在,但是對於需要辨識圖像中微小變化的專業放射科醫師,則會產生很大的影響。

紐約大學Langone Health放射科學教授Michael P. Recht表示,在他們查看由人工智慧加速產生的MRI圖像時,發現了明顯水平條紋偽影,會大幅降低圖像品質,且可能蓋住病徵。

為了解決這些問題,FastMRI研究團隊利用對抗訓練技術來產生深度學習模型,該模型從經加速的MRI掃描獲取原始資料,並產生不含偽影的準確MRI圖像。在對抗學習中,訓練目標會增加額外的損失函數,以鼓勵模型以某種方式騙過對抗網路,而在FastMRI這個案例,目標則是要預測帶狀紋路的朝向。

在訓練過程中,藉由在重建前後隨機調換輸入的資料,可以產生水平和垂直的帶狀條紋,而同時訓練對抗網路和重建模型,隨著重建結果獲得改進,對抗網路也會逐漸適應,直到最後沒有條紋產生。

FastMRI計畫可以加快MRI的掃瞄速度,減少患者在掃描裝置中的時間,研究人員表示,圖像偽影一直是人工智慧加速MRI的主要問題,所以這項研究的進展,可以幫助FastMRI計畫更接近臨床實作,而且這項研究具有廣泛的使用性,可以用在任何充分採樣的真實資料以及重建模型上。

另外,現在世界上普遍還是使用較低強度磁體的MRI掃描裝置,這些裝置會產生更多具有帶狀偽影的圖像,而FastMRI研究團隊的這項新研究,將可以產生更好地重建結果,並加快裝置的掃描速度。

熱門新聞

Advertisement