Kunstig intelligens accelererer blodgennemstrømningen MR

Billedteknologi hjælper med at opdage hjerte-kar-sygdomme meget tidligere; imidlertid, præcise undersøgelser er stadig meget tidskrævende. Forskere fra ETH og Universitetet i Zürich har nu præsenteret en metode, der i høj grad kunne accelerere dynamisk magnetisk resonansbilleddannelse af blodgennemstrømningen.

"Takket være denne innovation, kvantitativ magnetisk resonansbilleddannelse kan gøre enorme fremskridt, " siger Sebastian Kozerke, Professor i biomedicinsk billeddannelse ved ETH og Zürich Universitet. Han arbejdede sammen med Valery Vishnevskiy og Jonas Walheim om at udvikle en metode, der i høj grad accelererer såkaldte 4-D flow MRI'er.

"I øjeblikket, optagelsen og den efterfølgende behandling af en 4-D flow MRI tager op til 30 minutter. Vores resultater viser, at dette kunne være muligt inden for fem minutter i fremtiden." Den underliggende forskning blev omtalt i tidsskriftet Nature Machine Intelligence tidligere på ugen som artikel og forside til aprilnummeret.

Magnetisk resonanstomografi (MRT eller MRI) er en nøglemodalitet i klinisk diagnose. Det udgør ingen sundhedsrisici og giver præcise billeder af kroppens indre. Denne metode kan bruges til at vise bløde kropsdele såsom væv og organer i 3D og med høj kontrast. Desuden, særlige registreringsteknikker leverer information om dynamikken i det kardiovaskulære system.

I særdeleshed, 4-D flow MR-målinger muliggør kvantificering af dynamiske ændringer i blodgennemstrømningen. Sådanne dynamiske billeder er yderst nyttige, især når det kommer til at opdage hjerte-kar-sygdomme.

Imidlertid, konventionel 4-D flow MRI har en væsentlig ulempe:metoden er meget tidskrævende. I dag, dataregistreringen kan gennemføres i MR-scanneren inden for fire minutter. Imidlertid, den påkrævede komprimerede sensing-tilgang har en pris:den efterfølgende billedrekonstruktion er iterativ og tager derfor meget lang tid. Læger skal vente 25 minutter eller længere, før billederne vises på deres computere.

Dermed, resultaterne af målingen foreligger først længe efter, at lægen har afsluttet undersøgelsen. Dette er grunden til, at 4-D flow MRI endnu ikke er etableret i den daglige medicinske praksis. Ændringer i blodgennemstrømningen diagnosticeres i øjeblikket primært via ultralyd - en metode, der er hurtigere, men mindre præcis sammenlignet med MR.

Elegante og effektive algoritmer

I den netop offentliggjorte artikel, forskerne fra ETH og University of Zürich illustrerer en måde, hvorpå billedrekonstruktion til 4-D flow MRI kan gøres hurtigere og dermed mere praktisk. "Løsningen består af elegante og effektive algoritmer baseret på neurale netværk, " forklarer Kozerke.

Vishnevskiy, Kozerke og Walheim kalder deres nye tilgang FlowVN. Det er baseret på maskinlæring, mere specifikt på det, der er kendt som deep learning; softwaren lærer gennem data præsenteret i løbet af en træningsfase. Det, der gør FlowVN så speciel, er effektiviteten - metoden kombinerer træning med forudgående viden om målingen.

Det betyder, at generaliseringer kan foretages på baggrund af få data i stedet for at kræve tusindvis af træningseksempler. "Som resultat, netværket har brug for meget lidt træning for at levere pålidelige resultater, " forklarer Vishnevskiy.

Forskerne var i stand til at demonstrere, at denne metode fungerer som beskrevet i deres nyligt offentliggjorte papir. De trænede softwaren ved hjælp af 11 MR-scanninger af raske testpersoner. Disse data var tilstrækkelige til nøjagtigt at gengive patologisk blodgennemstrømning i en patients aorta på en almindelig computer inden for blot 21 sekunder. Metoden er således mange gange hurtigere end konventionelle metoder – og, På toppen, giver bedre resultater.

Fremskridt klinisk diagnose

"Vi håber, at FlowVN vil fremme brugen af ​​4-D flow MRI i klinisk diagnostik, " siger Kozerke. Dataene blev rekonstrueret offline til denne undersøgelse. Det næste skridt for Zürichs forskningsteam vil være at installere softwaren på kliniske MRI-maskiner. "Vi forestiller os derefter større kliniske patientundersøgelser, " siger Kozerke. Forskerne nyder godt af det langsigtede partnerskab med radiologiske og kardiologiske afdelinger på universitetshospitalet i Zürich.

Hvis opfølgningstestene bekræfter resultaterne opnået af Kozerkes team, metoden kunne en dag slå igennem i den daglige lægepraksis. "Imidlertid, det vil tage mindst fire eller fem år endnu, før det sker, " vurderer Kozerke. For at fremskynde den videnskabelige forskningsproces, hans team gjorde de eksekverbare koder og dataeksempler tilgængelige som open source, gør det muligt for andre forskere at teste og reproducere metoden.