Чем сильнее магниты, тем четче видны анатомические структуры. Особенно это важно для мониторинга тканей головного мозга, где многое зависит от небольших нюансов, и врачам очень хотелось бы видеть картину четко.
Искусственный интеллект вдвое увеличил точность МРТ и распознал болезнь мозга
Ученые Калифорнийского университета в Сан-Франциско разработали ИИ-модель, которая может повысить точность МРТ-изображения. На основе изображений, полученных МРТ с мощностью 3 Тесла, ИИ построил картинку в определенном смысле даже более наглядную, чем томограф с мощностью 7 Тесла. Ученые считают, что ИИ-модель может повысить точность стандартных томографов до точности продвинутых устройств, которых пока мало во всем мире.
Томограф. Unsplash
Томографы МРТ работают на мощных магнитах, и чем мощнее магнит, тем четче картинка. Но МРТ с высокой мощностью стоят очень дорого и их мало. Ученые предложили выход: алгоритмы ИИ могут поднять четкость картинки, которую дает МРТ без усиления самих магнитов.
Но большинство клинических МРТ-исследований во всем мире проводятся на МРТ-системах 1,5Т или 3Т. В 2022 году во всем мире работало всего 100 аппаратов МРТ 7Т. Они позволяли давать четкую диагностическую визуализацию. Но они очень дорогие.
Исследователи из Калифорнийского университета в Сан-Франциско разработали алгоритм машинного обучения для улучшения картинки 3T МРТ и получения 7T-подобных изображений. Эти изображения почти такую же четкость, как реальные 7T томографы.
ИИ-модель позволяет с высокой точностью отображать патологические ткани для клинических исследований. Ученые пишут: «В нашей работе представлена модель машинного обучения для синтеза высококачественных МРТ из изображений более низкого качества. Мы демонстрируем, как эта система искусственного интеллекта улучшает визуализацию и идентификацию аномалий мозга, полученных с помощью МРТ при травматических повреждениях».
Как повысить четкость картинки
Изображения на томографах с разной мощностью. Томографов с мощностью 11 Тесла пока в мире буквально единицы.
Исследователи собрали данные визуализации пациентов с диагнозом легкой черепно-мозговой травмы (ЧМТ). На этих данных обучили три нейросетевые модели улучшения изображений. На входе модели получали картинки с разрешением, которое дает томограф 3T, а на выходе выдавали картники аналогичные МРТ с разрешением 7Т.
По мнению врачей, изображения, созданные с помощью новых моделей, действительно дали улучшение изображений патологических тканей у пациентов с легкой формой ЧМТ.
Для сравнения было выбрано изображение области с поражением белого вещества и микропятнами в подкорковых областях. Ученые обнаружили, что патологические ткани легче увидеть на синтезированных изображениях, даже чем на томографе с мощностью 7Т. На картинке усиленной ИИ-моделью более четко разделились соседних очаги поражения и более четко видны контуры подкорковых микропятен.
Кроме того, синтезированные 7Т-изображения лучше передавали различные особенности поражения белого вещества. Эти наблюдения показывают перспективность использования таких ИИ-моделей для повышения точности диагностики не только ЧМТ, но и нейродегенеративных заболеваний, таких как рассеянный склероз.
Несмотря на то, что методы синтеза на основе машинного обучения демонстрируют замечательную производительность, их применение в клинических условиях требует тщательной проверки.
Исследователи считают, что будущая работа должна включать широкую клиническую оценку результатов моделирования, клиническую оценку изображений, сгенерированных моделью, и количественную оценку неопределенностей в модели.