近日，來自Facebook人工智能研究(FAIR)小組的Larry Zitnick和來自紐約大學醫(yī)學院的Daniel Sodickson，M.D.，Ph.D和Michael Recht，M.D合作推出了fastMRI項目。

　　fastMRI是一個新的合作研究項目，其目的是運用AI將MRI掃描速度提高10倍。如果這項工作取得成功，醫(yī)生可以節(jié)約時間接待更多的患者。

　　MRI掃描儀提供的圖像包含的細節(jié)軟組織相關(guān)細節(jié) (例如器官和血管)通常較其他形式的醫(yī)學成像更多，但其圖像生成較慢，通常需要十五分鐘到 一個小時。相比之下，X射線和CT掃描的時間分別為不到一秒與一分鐘。MRI長時間的掃描對幼兒以及幽閉恐懼癥患者感到痛苦。

　　此外，而許多農(nóng)村地區(qū)和貧困國家的MRI缺乏，已有的設(shè)別不足以負擔大量的人群。通過提高MRI掃描儀的速度，我們可以使更多患者能夠使用這些設(shè)備。

　　充分加速的MRI設(shè)備還可以減少患者在腹部和軀干的心臟，肝臟或其他器官成像期間必須屏住呼吸的時間量。提高速度可以讓MRI機器在某些應(yīng)用中充當X射線和CT機器的角色，讓患者避免與這些掃描相關(guān)的電離輻射。

　　先進醫(yī)學成像的挑戰(zhàn)

　　該項目最初將側(cè)重于改變MRI機器的運行方式。目前，掃描儀通過在一系列連續(xù)視圖中收集原始數(shù)值數(shù)據(jù)并將數(shù)據(jù)轉(zhuǎn)換為內(nèi)部身體結(jié)構(gòu)的橫截面圖像來工作，然后醫(yī)生將其用于評估患者的健康狀況。要收集的數(shù)據(jù)集越大，掃描所需的時間就越長。

　　(左)原始MRI數(shù)據(jù)在轉(zhuǎn)換為圖像之前，為了捕獲診斷研究的全套原始數(shù)據(jù)，MRI掃描通常需要15-60分鐘。

　　(右)從完全采樣的原始數(shù)據(jù)重建的膝蓋的MRI圖像。

　　使用AI，可以捕獲更少的數(shù)據(jù)并因此更快地掃描，同時保留甚至增強磁共振圖像的豐富信息內(nèi)容。關(guān)鍵是訓練人工神經(jīng)網(wǎng)絡(luò)以識別圖像的底層結(jié)構(gòu)，以便填充加速掃描中省略的視圖。這種方法類似于人類處理感官信息的方式：當我們體驗這個世界時，我們的大腦經(jīng)常會收到一幅不完整的圖片——就像被遮擋或昏暗的物體一樣——大腦需要將其轉(zhuǎn)化成可操作的信息。紐約大學醫(yī)學院的早期工作表明，人工神經(jīng)網(wǎng)絡(luò)可以完成類似的任務(wù)，從少量的數(shù)據(jù)中生成高質(zhì)量的圖像。

　　實際上，通過部分信息重建圖像是一個非常困難的問題。神經(jīng)網(wǎng)絡(luò)必須能夠有效地彌合掃描數(shù)據(jù)中的間隙，而不犧牲準確性。一些缺失或錯誤建模的像素可能意味著醫(yī)生將作出錯誤的判斷。相反，捕獲圖像中先前無法訪問的信息可以完全挽救生命。

　　(左)未充分采樣的原始MRI數(shù)據(jù)。 用于捕獲該數(shù)據(jù)的MRI掃描比用于捕獲診斷研究的完整數(shù)據(jù)的掃描更快，但是欠采樣在得到的MRI圖像中產(chǎn)生噪聲和偽影。 (右)從二次采樣數(shù)據(jù)重建的膝蓋的MRI圖像。 fastMRI項目旨在使用AI創(chuàng)建有用的MRI圖像，沒有像這里顯示的噪聲和偽像。

　　Facebook和紐約大學的合作

　　紐約大學醫(yī)學院是紐約大學朗格健康系的一個部門，它長期以來一直致力于推動醫(yī)學研究和教育的發(fā)展，以造?；颊叩纳?。放射科的高級成像創(chuàng)新和研究中心(CAI?R)包括一個由工程師，物理學家，數(shù)學家，放射科醫(yī)師以及其他臨床醫(yī)生和科學家組成的多學科團隊，他們在快速圖像采集，平行成像和高級圖像重建方面擁有豐富的專業(yè)知識?，F(xiàn)在他們將工作重心置于開發(fā)新型成像技術(shù)，并將這些技術(shù)迅速轉(zhuǎn)化為臨床實踐。

　　自2016年以來，CAI?R研究人員一直致力于利用AI實現(xiàn)更快的MRI掃描。早期研究表明掃描時間可以減少一個數(shù)量級甚至過多。然而，要實現(xiàn)這些潛在收益，需要額外的AI知識以及大規(guī)模計算資源。

　　大約在同一時間，F(xiàn)acebook人工智能研究(FAIR)小組專注于推動人工智能狀態(tài)的開放和基礎(chǔ)研究，正在尋找AI可能產(chǎn)生重大現(xiàn)實影響的項目。 CAI?R的圖像重建工作符合這些標準，并為FAIR提供了結(jié)合其深度學習專業(yè)知識的機會(特別是在計算機視覺領(lǐng)域)，并利用醫(yī)學院領(lǐng)先的成像科學專業(yè)知識培訓大規(guī)模模型的能力。

　　項目數(shù)據(jù)詳情

　　該項目中使用的成像數(shù)據(jù)集由紐約大學醫(yī)學院專門收集，由10，000個臨床病例組成，包括大約300萬個膝蓋，腦和肝臟的磁共振圖像。

　　所有數(shù)據(jù)(包括圖像和原始掃描儀數(shù)據(jù))都完全剝離了患者姓名和所有其他受保護的健康信息。這項工作完全符合HIPAA標準，并經(jīng)過紐約大學朗格納機構(gòu)審查委員會的批準，該委員會負責監(jiān)督醫(yī)療中心的所有人體研究。該項目受嚴格的人體主題數(shù)據(jù)保護協(xié)議的約束，并由紐約大學朗格尼的世界級信息技術(shù)團隊提供支持。

　　用于該項目的磁共振圖像(通常代表解剖學的小目標區(qū)域)已經(jīng)被清除了任何潛在的區(qū)別特征。同樣，基于AI的重建與傳統(tǒng)重建之間的性能比較也將缺乏任何識別信息。項目中不會使用任何類型的Facebook數(shù)據(jù)。

　　紐約大學醫(yī)學院放射科主任Michael Recht，醫(yī)學博士，醫(yī)學博士Daniel Sodickson，研究副主席和高級成像創(chuàng)新中心主任，人工智能主任Yvonne Lui醫(yī)學博士，在紐約大學朗格健康分校檢查膝關(guān)節(jié)MRI 2019年8月，紐約大學醫(yī)學院的放射科醫(yī)生將開始與Facebook開展研究合作，通過人工智能將MRI加速提高10倍。

　　Recht，Sodickson和Lui于2018年8月在紐約大學朗格健康醫(yī)院檢查膝關(guān)節(jié)MRI掃描。

　　“為了盡可能快地推進醫(yī)學成像的最新技術(shù)水平，雙方計劃開源這項工作，以吸引更多研究團體能夠在我們的發(fā)展基礎(chǔ)上進一步發(fā)展。隨著項目的進展，F(xiàn)acebook將分享與此研究相關(guān)的AI模型，基線和評估指標，紐約大學醫(yī)學院將開源圖像數(shù)據(jù)集。這將有助于確保工作的可重復性，并加速在臨床實踐中采用所得方法?！?/p>

　　下一步是什么

　　雖然該項目最初將專注于MRI技術(shù)，但其長期影響可能會擴展到許多其他醫(yī)學成像應(yīng)用。例如，AI提供的改進也有可能徹底改變CT掃描。先進的圖像重建可以實現(xiàn)適合弱勢群體的超低劑量CT掃描，例如兒科患者。這些改進不僅有助于改變醫(yī)學成像的經(jīng)驗和有效性，而且還有助于平等獲得醫(yī)療保健不可或缺的要素。

　　fastMRI項目將展示來自不同領(lǐng)域和行業(yè)的領(lǐng)域?qū)＜胰绾喂餐献?，以產(chǎn)生一種開放式研究，這將對世界產(chǎn)生深遠而持久的積極影響。