Исследователи Facebook AI и NYU Langone Health в рамках проекта fastMRI разработали новый способ использования метода глубокого обучения для решения проблемы артефактов изображения МРТ с AI-ускорением. Этот метод также значительно улучшает общее качество изображения.

Одной из проблем использования глубокого обучения для создания высокоточного сканирования МРТ является то, что на снимках появляются артефакты в виде полос, которые могут закрывать детали изображения.

Чтобы решить эту проблему, команда fastMRI использовала метод состязательного обучения для создания такой модели, которая берет необработанные данные ускоренного сканирования МРТ и создает точные изображения уже без этих артефактов. В состязательном обучении команда fastMRI использовала условного противника, целью которого было предсказать ориентацию шаблона полос и которого нужно было обмануть. Случайные полосы наносились на снимки до и после реконструкции. Модель и ее противник обучались одновременно.

_{Фото: ai.facebook.com}

Метод оценили в исследовании с участием шести сертифицированных радиологов из NYU Langone Health. Результаты показали, что новая модель дает изображения с меньшим количеством артефактов и без уменьшения детализации.

Авторы проекта отметили, что устранение артефактов на изображениях МРТ с ускорением AI может приблизить этот проект к внедрению в клинических условиях. Кроме того, он может помочь убирать эти артефакты с томограмм, сделанных на МРТ-аппаратах с магнитами меньшей мощности (не 3, а 1,5 Тесла), которые все еще широко используются во всем мире.

Проект fastMRI запустили в 2018 году. Над ним работают Школа медицины при Нью-Йоркском университете и группа исследователей искусственного интеллекта из Facebook (FAIR). Проект имеет открытый исходный код и ставит своей целью использование ИИ для ускорения сканирования в 10 раз, что сделает МРТ доступным для большего числа людей, сократит время ожидания и уменьшит страдания тех, кому трудно или невозможно оставаться внутри сканеров в течение длительного времени.

Изначально медики предоставили для проекта датасет из 3 млн снимков мозга, коленей и печени 10 тысяч пациентов. Facebook же применяет свои наработки по машинному обучению для тренировки алгоритма.

См. также:

• «Нюансы современной медицины»
• «Превратит ли медицина 2030 года Homo sapiens в Homo longevus – сверхдолгожителей»
• «История человека, чувствительного к электромагнитному излучению, или как мы щупаем край обрыва… UPD: +FAQ»