Nhóm NYU và Facebook tăng cường cộng hưởng từ quét với AI

Hình ảnh cộng hưởng từ (MRI) là một công cụ vô giá trong lĩnh vực y tế, nhưng nó cũng là một quá trình chậm và rườm rà. Có thể mất mười lăm phút hoặc một giờ để hoàn thành quá trình quét, trong thời gian đó bệnh nhân, có lẽ là một đứa trẻ hoặc một người bị đau nặng, phải ngồi yên một cách hoàn hảo. NYU đã và đang làm việc để thúc đẩy quá trình này và hiện đang cộng tác với Facebook với mục tiêu cắt giảm thời lượng MRI xuống 90% bằng cách áp dụng các công cụ hình ảnh dựa trên AI.

Cộng hưởng từ quét với AI

Điểm nổi bật của công nghệ cộng hưởng từ quét với AI

Điều quan trọng là ngay từ đầu để phân biệt nỗ lực này với các ứng dụng phổ biến khác của AI trong lĩnh vực hình ảnh y tế. Chụp X-quang, hoặc thực sự quét MRI, sau khi hoàn thành, có thể được kiểm tra bởi một hệ thống nhận diện đối tượng để xem các bất thường, tiết kiệm thời gian cho các bác sĩ và thậm chí có thể bắt được thứ gì đó mà họ có thể đã bỏ qua. Dự án này không phải là về phân tích hình ảnh đã được tạo ra, mà đúng hơn là xúc tiến sáng tạo của nó ngay từ đầu.

>> Xem thêm: Tầm quan trọng của trí tuệ nhân tạo AI

Lý do MRI mất nhiều thời gian

Nguyên nhân là vì máy phải tạo ra một loạt các hình ảnh 2D hoặc lát, nhiều trong số đó phải được xếp chồng lên nhau để tạo ra một hình ảnh 3D. Đôi khi chỉ một số ít là cần thiết, nhưng cho độ trung thực và chiều sâu đầy đủ – cho một cái gì đó giống như một quét cho một khối u não – rất nhiều lát được yêu cầu. lớp kế toán ngắn hạn

Dự án FastMRI, bắt đầu vào năm 2015 bởi các nhà nghiên cứu NYU, điều tra khả năng tạo ra hình ảnh có chất lượng tương tự như quét truyền thống, nhưng chỉ thu thập một phần nhỏ dữ liệu cần thiết.

Hãy nghĩ về nó như quét một bức ảnh bình thường. Bạn có thể quét toàn bộ … nhưng nếu bạn chỉ quét từng dòng khác (điều này được gọi là “undersampling”) và sau đó điền vào các điểm ảnh bị thiếu một cách thông minh, nó sẽ mất một nửa lâu. Và các hệ thống học máy đang trở nên khá tốt trong các nhiệm vụ như thế. Bộ não của chúng ta làm mọi lúc: bạn có những điểm mù với những thứ trong đó ngay bây giờ mà bạn không nhận thấy bởi vì hệ thống thị giác của bạn đang lấp đầy những khoảng trống – thông minh.

Công nghệ cộng hưởng từ MRI

Nếu một hệ thống AI có thể được huấn luyện để lấp đầy khoảng trống từ quét MRI, nơi chỉ thu thập dữ liệu quan trọng nhất, thì thời gian thực tế bệnh nhân phải ngồi trong ống hình ảnh có thể giảm đáng kể. Bệnh nhân dễ dàng hơn và một máy có thể xử lý nhiều người hơn so với việc thực hiện quét toàn bộ mỗi lần, giúp việc quét nhanh hơn và dễ dàng hơn.

Các nhà nghiên cứu Y học của NYU bắt đầu làm việc trong ba năm trước đây và công bố một số kết quả ban đầu cho thấy cách tiếp cận này ít nhất là khả thi. Nhưng giống như quét MRI, loại công việc này cần có thời gian.

“Chúng tôi và các tổ chức khác đã thực hiện một số bước nhỏ trong việc sử dụng AI cho loại vấn đề này”, Dan Sodickson, giám đốc Trung tâm Sáng tạo và Nghiên cứu Hình ảnh Nâng cao của NYU giải thích. “Ý nghĩa là đã có trong những nỗ lực đầu tiên, với các phương pháp tương đối đơn giản, chúng ta có thể làm tốt hơn các kỹ thuật tăng tốc hiện tại khác – có chất lượng hình ảnh tốt hơn và có thể tăng tốc thêm một số phần trăm, nhưng không phải bằng bội số lớn.”

Vì vậy, để thúc đẩy dự án, Sodickson và X-quang tại NYU đang kết hợp các lực lượng với AI chiến thắng tại Facebook và nhóm nghiên cứu trí tuệ nhân tạo (FAIR).

“Chúng tôi có một số nhà vật lý vĩ đại ở đây và thậm chí là một số nhà toán học nổi tiếng, nhưng Facebook và FAIR có một số nhà khoa học AI hàng đầu trên thế giới. Vì vậy, đó là chuyên môn bổ sung, “Sodickson nói.

Và trong khi Facebook không có kế hoạch bắt đầu một cánh tay chụp ảnh y tế, FAIR có một nhiệm vụ khá rộng.

“Chúng tôi đang tìm kiếm các vấn đề có hại nhưng cũng mang tính khoa học thú vị”, Larry Zitnick của FAIR nói. Việc tạo ra AI hoặc tái tạo hình ảnh thực tế (thường được gọi là “ảo giác”) là một lĩnh vực nghiên cứu chính, nhưng đây sẽ là một ứng dụng độc đáo của nó – chưa kể đến việc có thể giúp một số người.

Với dữ liệu MRI của bệnh nhân, ông giải thích, hình ảnh được tạo ra “không cần phải hợp lý, nhưng nó cần phải giữ nguyên những sai sót tương tự.” Vì vậy, tác nhân thị giác máy tính lấp đầy những khoảng trống cần có khả năng nhận biết nhiều hơn chỉ là các mẫu và cấu trúc tổng thể, và để có thể giữ lại và thậm chí mở rộng bất thường thông minh trong hình ảnh. Để không làm như vậy sẽ là một sửa đổi lớn của dữ liệu gốc.

May mắn thay nó chỉ ra rằng máy MRI là khá linh hoạt khi nói đến cách họ tạo ra hình ảnh. Ví dụ, nếu bạn thường lấy các bản quét từ 200 vị trí khác nhau, không khó để nói với máy làm một nửa số đó, nhưng với mật độ cao hơn trong một khu vực này hay khu vực khác. Các hình ảnh khác như máy quét CT và PET không quá ngoan ngoãn.

Ngay cả sau một vài năm nghiên cứu vẫn còn ở giai đoạn đầu. Những điều này không thể vội vã, sau khi tất cả, và với dữ liệu y tế có những cân nhắc đạo đức và một khó khăn trong việc mua sắm đủ dữ liệu. Nhưng công trình nghiên cứu của các nhà nghiên cứu ở NYU đã mang lại kết quả ban đầu và một bộ dữ liệu mạnh mẽ.

Zitnick lưu ý rằng vì các tác nhân AI đòi hỏi rất nhiều dữ liệu để đào tạo tới các cấp độ hiệu quả, đó là một thay đổi lớn đi từ một bộ, ví dụ, 500 MRI quét đến một bộ 10.000. Với bộ dữ liệu cũ, bạn có thể làm bằng chứng về khái niệm, nhưng với cái sau bạn có thể làm một cái gì đó đủ chính xác để thực sự sử dụng.

Sự hợp tác được công bố hôm nay là giữa NYU và Facebook, nhưng cả hai đều hy vọng rằng những người khác sẽ tham gia.

“Chúng tôi đang làm việc này trong thời gian mở. Chúng tôi sẽ mở nguồn cho tất cả, ”Zitnick nói. Người ta có thể mong đợi không ít nghiên cứu học thuật, nhưng tất nhiên là rất nhiều công việc AI đặc biệt diễn ra sau những cánh cửa đóng kín trong những ngày này.

Vì vậy, các bước đầu tiên là liên doanh sẽ xác định vấn đề, lập tài liệu và thiết lập dữ liệu, tạo đường cơ sở và số liệu để đo lường thành công của họ, v.v. Trong khi đó, hai tổ chức sẽ họp và trao đổi dữ liệu thường xuyên và chạy kết quả qua các bác sĩ lâm sàng thực tế.

“Chúng tôi không biết làm thế nào để giải quyết vấn đề này,” Zitnick nói. “Chúng ta không biết liệu chúng ta có thành công hay không. Nhưng đó là niềm vui của nó. ”

Bài viết được quan tâm: Top các trung tâm kế toán thực hành tốt nhất

Nhóm NYU và Facebook tăng cường cộng hưởng từ quét với AI
5 (100%) 2 votes

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *