「研究者が深層学習と物理学を組み合わせてMRIスキャンを修正する」

Researchers combine deep learning and physics to correct MRI scans.

医用画像の領域において、MRIはX線やCTスキャンの能力を上回る柔らかい組織の優れた可視化で注目されています。しかし、MRIのアキレス腱は、最小の移動でも画像品質を損なうことができるという動きのアーティファクトに対する感受性にあります。これはかなりの資源と時間を要します。

これはまた、誤解を招く可能性があり、最適な治療結果を得ることができません。しかし、MITの研究者たちは、脳MRIの動きに関連する歪みを修正するために設計された新しい深層学習モデルを手に入れました。

この論文の主著者であり、MITのアブドゥル・ラティフ・ジャミール・マシンラーニング・ヘルス・クリニックに所属する研究者でもあるナリーニ・シンは、MITニュースに説明しています。「MRIでは動きが一般的な問題です… それはかなり遅いイメージングモダリティです。」

• 光を基にした機械学習システムは、より強力で効率的な大規模言語モデルを生み出す可能性がある
• 「研究者がロボットに自己学習で食器洗い機やドアを開ける手助けをしています」
• 「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」

この課題に対処するために、シンと彼女のチームは、「データ一貫性のあるディープリジッドMRIモーション補正」という先駆的な解決策を考案しました。この方法では、スキャンプロセスを変更せずに、歪んだデータから動きのない画像を作成します。

このハイブリッドアプローチの中心には、出力画像とそれが表す実際の測定値との一貫性の保持があります。この一貫性がなければ、モデルは「幻覚的な」画像を生成するリスクがあります。これらの画像は見た目はリアルですが、診断の信頼性を大幅に損なう臨床的に正確でない表現です。

アルツハイマー病やパーキンソン病などで見られる神経学的に引き起こされる不随意運動に悩む患者は、アーティファクトのないMRIスキャンの恩恵を受けることができます。ワシントン大学放射線科学部の研究によると、動きは脳MRIスキャンの約15%に干渉しています。

この繰り返しの問題は、スキャナーごとに年間約11万5000ドルの追加スキャン費用をもたらしています。ヴァンダービルト大学の助教授であるダニエル・モイヤーは、このモデルについて「シンと彼女のチームによるこの研究は、MRIのモーション補正の次のステップです。」と述べています。

彼はまた、「これは優れた研究成果だけでなく、私はこの方法があらゆる種類の臨床症例で使用されると信じています。スキャナー内でじっと座っていることができない子供や高齢者、動きを引き起こす病理学、移動組織の研究、健康な患者でも磁石の中で動くことがあります」と述べました。

モイヤーは、「将来的には、この研究から直接派生したもので画像を処理することが標準的な手法になる可能性があると思います」と締めくくりました。

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