「MITの研究者が深層学習と物理学を使用して、動きによって損傷を受けたMRIスキャンを修正する」

MIT researchers use deep learning and physics to fix MRI scans damaged by motion.

MRI（磁気共鳴画像）スキャンは、大型磁石、電波、およびコンピュータを使用して体内の構造を明確に映し出すテストです。医療提供者は、MRIを使用して、いくつかの医療状態を評価、診断、およびモニタリングします。

X線とCTスキャンにはそれぞれ優れた点がありますが、MRIスキャンは優れたソフト組織の対比度と高品質の画像を提供します。ソフト組織の対比度と高品質の画像を提供しながらも、MRIは動きの干渉を受けやすく、わずかな動きでも画像の乱れを引き起こすことがあります。これらのアーティファクトは、医療画像の正確さを台無しにし、医師が患者の問題を特定する方法を乱す可能性があります。医師が重要な詳細を見落とすことがあるため、処置が十分にならない可能性もあります。

たとえ短時間のスキャンでも、わずかな動きによってMRI画像が妨害される可能性があります。カメラのブレとは異なり、MRIのモーションアーティファクトは画像全体を歪めることがあります。

• Google AI Researchは、大規模言語モデル（LLM）を使用した個別のテキスト生成の一般的なアプローチを提案しています
• NVIDIAの最高科学者、ビル・ダリー氏がHot Chipsで基調講演を行う
• コーネル大学の研究者たちは、不連続処理を伴う量子化（QuIP）を導入しましたこれは、量子化が不連続な重みとヘシアン行列から利益を得るという洞察に基づく新しいAIの手法です

ワシントン大学の放射線学の研究によれば、約15％の脳MRIスキャンにはモーションの影響があり、追加のスキャンが必要です。この追加スキャンの必要性は、さまざまなMRIモダリティで診断的に信頼性のある画像を得るために、病院内の1台のスキャナあたり年間約115,000ドルの費用をもたらしています。

この問題を解決するため、MITの研究者は、ディープラーニング技術の力を活用して大きな進歩を遂げました。彼らはディープラーニングを使用して解決策を見つけました。彼らはディープラーニングと物理学を組み合わせて、驚くべき結果を発見しました。

彼らの方法は、スキャン手順を変更せずに、モーションによって破損したデータから運動フリーの画像を計算的に構築することです。この統合アプローチを採用することの重要性は、結果の画像と対象物の実際の測定との間の一貫性を保つ能力に根ざしています。

この整合性を達成できないと、モデルが「幻覚」と呼ばれるものを生成する可能性があります。つまり、実際の物理的および空間的属性から逸脱するように見えるが、実際にはガラスのような画像です。このような相違は診断結果を変える可能性があり、医療画像の正確な表現の重要性を強調しています。

今後は、さらに複雑な頭部運動やさまざまな体の領域に影響を与える動きについての研究の可能性を示しました。例えば、胎児のMRIでは、基本的な変換と回転モデルの能力を超える急速で予測不可能なアクションに対処することが課題です。これは、複雑な運動パターンを考慮に入れるより洗練された戦略を開発する必要性を強調しており、様々な解剖学的シナリオでのMRIアプリケーションの向上に有望な道を提供しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!