科技工作者之家
科技工作者之家APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2018-03-23
放射科医生从高质量的影像诊断中做出准确诊断的能力将直接影响患者的预后。然而,使用传统方法获取最佳质量成像将付出沉重的代价——这意味着增加计算机断层扫描(CT)和正电子发射断层扫描(PET)的辐射剂量,或者延长磁共振成像(MRI)的扫描时间。目前,麻省综合医院(MGH)生物医学成像中心的研究人员,将利用一种基于人工智能和机器学习的新技术来迎接这一挑战。使临床医生能够在只需要少量数据的情况下,获得更高质量的诊断图像。他们在近日出版的《自然》杂志中阐述了这种流形逼近自动转化技术(AUTOMAP)。
“图像重建是临床影像学的重要组成部分——将从扫描仪中提取的原始数据转换为影像,供放射学家评估。”MGH研究员、论文第一作者Bo Zhu博士说,“传统的图像重建方法采用的是一系列人工信号处理模块,这些模块需要使用者手动调整参数,往往无法处理原始数据的缺陷(比如噪声)。鉴于此,我们引入了一种新的范式,即通过具备深度学习能力的人工智能来自动校正的图像重建算法。”
Zhu博士继续解释说:“对于AUTOMAP,我们并不是采用预先编程的方式进行设计,而是仿照人类在出生后的学习方式,通过对现实世界中实例的反复训练,实现有机的适应。这种设计策略使我们的成像系统能够在各种成像场景中自动寻找最佳算法,进而构建清晰、准确的图像。”
AUTOMAP是生物医学成像技术发展历史上的里程碑。在设计AUTOMAP的过程中,研究人员们采用了近几年出现的尖端技术。如用于人工智能系统的神经网络模型,以及图像处理模块(GPUs)。此外,大型数据集(“大数据”)的问世也对AUTOMAP的诞生功不可没。zhu博士认为,由于AUTOMAP需要博采众家之长,因此它的出现不可能是在5年甚至1年以前。
AUTOMAP在临床护理上有诸多潜在价值。除了能降低辐射剂量之外,其超强的运算能力还可以为尚在扫描仪上的患者提供实时决策。“由于AUTOMAP是基于前馈神经网络的技术,它的图像重建几乎是在瞬间完成,”资深作者、低场MRI和超极化媒体实验室主任Matt Rosen评论道,“某些传统的扫描方式在图像重建时非常耗时,在初始成像期提供即时反馈几无可能,专家需要在之后对疑点进行反复研究。AUTOMAP则能提供即时图像重建,有利于医生做出快速判断。”
值得关注的是,AUTOMAP还可能推进其他人工智能系统和机器学习应用的发展。Rosen展望说:“AUTOMAP在准确性和降噪性上有了显著提升,这对于很多相关应用都有促进作用。我们很乐于见到AUTOMAP被推向临床领域,随同GPU加速的计算机一起改善临床影像和疗效。”
科界原创
编译:雷鑫宇 审稿:编辑:张梦
来源:
https://phys.org/news/2018-03-artificial-intelligence-technique-quality-medical.html#jCp世界人工智能大会 “双马对话”纵论人工智能
人机融合智能:人工智能3.0
“传播科学火种·启迪科学梦想”科普志愿新疆行举办
人工智能遇上大数据-数博会人工智能国际论坛
习近平谈人工智能
人工智能就在我们身边——解析世界人工智能大会
人工智能 添彩未来
人工智能测评员
省人工智能学会人工智能教育专业委员会成立 人工智能专家携手培养专业人才
人工智能