利用NYU朗格尼醫學中心2018年底開源的MRI影像資料集,臉書以大約1,200名匿名患者的膝蓋掃瞄影像來訓練fastMRI模型。研究人員利用原始影像製作出解析度較低的版本,每張新影像的資料量都是原始影像的1/4,然後以fastMRI來比對高、低解析度的影像,藉此訓練其預測能力,之後這個AI模型就能以更少(即1/4)資料量產生高解析度影像。若這樣的資料可以使用,則臨床上可望加快MRI掃瞄的速度。(圖片來源/臉書)

臉書本周和紐約大學研究人員合作開發的一項AI模型,可用1/4資料量產生供診斷的核磁共振(MRI)影像,因而可加速MRI掃描速度。

最新消息為臉書旗下AI研究中心和紐約大學朗格尼醫學中心(Langone Health)合作開發名為fastMRI的AI模型研究的成果。雙方2018年啟動合作,並在當年將fastMRI模型及150萬張MRI掃描片開源。有別於其他AI醫學影像專案以AI來判讀醫療影像,偵測異常之處,fastMRI卻是利用AI來產生醫學影像。

傳統MRI掃描需要病患平躺通過掃描隧道,以產生身體組織的核磁影像。但為了產生足夠資料,掃瞄過程耗時長達一小時,患者不能亂動,且需忍受噪音及幽閉空間的恐懼。本專案就是希望創新資料產生方法,以加速掃瞄過程。

利用NYU朗格尼醫學中心2018年底開源的MRI影像資料集,臉書以大約1,200名匿名患者的膝蓋掃描影像來訓練fastMRI模型。研究人員利用原始影像製作出解析度較低的版本,每張新影像的資料量都是原始影像的1/4,然後以fastMRI來比對高、低解析度的影像,藉此訓練其預測能力,之後這個AI模型就能以更少(即1/4)資料量產生高解析度影像。若這樣的資料可以使用,則臨床上可望加快MRI掃描的速度。

而在之後的一項可交互性(interchangeability)研究中,由放射科醫師分別針對傳統MRI,以及由fastMRI演算法產生資料量少75%的影像進行盲測,結果顯示醫生都能做出相同診斷,且無法分辨哪些是由AI產生的影像。

NYU朗格尼醫師及放射科主任Michael Recht指出,這項研究是MRI領域AI研究一大進展,因為這也是首次AI影像達到和標準臨床MRI影像無法區分,而診斷準確度達到可交互水準。

研究人員指出,fastMRI已是開源專案,因此開放其他研究人員和廠商使用和測試。他們希望硬體業者可以在取得FDA許可後,協助fastMRI演算法的投產。


熱門新聞

Advertisement