据国外媒体 Tech Xplore 报道,由生物医学工程助理教授里兹万・艾哈迈德教授(Biomedical Engineering Assistant Professor Rizwan Ahmad)和电气和计算机工程教授菲利普・施尼特(Electrical and Computer Engineering Professor Philip Schniter)组成的跨学科研究团队打造了一个更全面、更强大的深度学习框架。
该深度学习框架可以通过即插即用的算法(plug-and-play algorithms)突破现有核磁共振成像(Magnetic resonance imaging,MRI)的技术局限。与现有的 MRI 成像方法相比,即插即用的算法成像速度将缩短一半。
该研究成果获得美国国立卫生研究院(National Institutes of Health)四年一次颁发的的 R01 奖项,获得 230 万美元奖金(约为 1487 万元)。
此外,这项研究还得到了美国国家生物医学成像和生物工程研究所(National Institute of Biomedical Imaging and Bioengineering)的支持。
一、耗时长,检测难,MRI 在儿科成像遭遇难题核磁共振成像是一种非侵入性诊断工具,可用于检测和评估脑疾病、肌肉骨骼损伤、心血管疾病和癌症等疾病。
一次基本的核磁共振检查需要包括多次身体扫描,这可能要耗时一个小时或更长时间。因为轻微的运动可能会影响图像质量,所以每次核磁共振扫描结束,患者可能都需要保持身体不动几分钟。
目前,一些动态场景、瞬时记录的应用常常需要使用核磁共振技术,比如心脏跳动的成像或几秒钟内发生的瞬态现象。
虽然核磁共振成像比其他医学成像技术有许多优势,但它仍有成像速度慢、设备成本高、图像质量低等不足之处。
此外,由于当前的核磁共振检查需将患者放置于强大磁场内,用射频脉冲( radiofrequency pulse)激发产生磁共振信号(magnetic resonance signal),该信号被机器设备摄取后,形成核磁共振影像。而在射频脉冲激发过程中会产生较大噪声,患者常常容易感到不适,并且儿童患者使用核磁共振检测时,可能会需要镇静剂。
“这是一个儿科成像的难题,因为体型较小的孩子不愿意一直呆在核磁共振扫描仪里,所以必须让他们安静下来”,艾哈迈德说到,“越来越多的研究表明,长期使用镇静剂会有负面影响,所以我们有必要减少镇静剂的使用。非常快速地成像对儿科来说非常重要。”
二、即插即用的算法增加成像速度施尼特谈到,“我们(进行实验的)主要动力之一是,我们希望通过利用原有检测技术检查患者的身体,但缩短核磁共振成像时间。我们可以通过每次快速检测患者的某个局部,然后将所有数据汇总,最终形成所需的核磁共振图像。这样就能避免因为患者的一些小动作而导致成像失败的情况。”,“现在的问题是,我们得到了患者身体的局部数据后,(重新检测时)将会丢失之前所有数据。我要如何保留这些数据进行汇总?”
为了保留每次检测的图像数据,从而达到加速核磁共振成像的效果,研究团队开发和验证了一个全面且强大的深度学习框架。
他们通过即插即用的算法,将物理驱动的数据采集模型与最先进的图像学习模型相结合,研发出更快、更准确的核磁共振方法。与现有的 MRI 重建方法相比,即插即用的算法成像图像的速度更快,具有更高的质量和潜在卓越的诊断价值。
“即插即用的算法独特之处在于,它将机器学习的方法和传统物理工程方法相结合,并在二者之间不断迭代优化,最终生成图像。”