QQ在線
企業微信
資訊
375小編發現不少朋友對于 Facebook使用人工智能加速MRI掃描的工作 這方面的信息都比較感興趣，小編就針對 Facebook使用人工智能加速MRI掃描的工作 整理了一些相關方面的信息 在這里分享給大家。
吉娜·賈瓦拉(Gina Ciavarra)坐在曼哈頓紐約大學朗格健康中心的一間黑暗房間里。這是一個閱覽室，像她這樣的放射線醫生可以檢查X射線和MRI掃描的空間。她前面的監視器顯示了身份不明的患者膝蓋的灰度圖像，并且在其中，她檢測到一個關鍵問題：ACL撕裂。恰瓦拉解釋說：“這絕對是異常的。”
但是，除了掃描骨骼，韌帶，脂肪，軟骨和肌腱的漩渦以檢查眼淚或關節炎等問題外，Ciavarra還必須做出另一項評估。這種特殊的膝蓋掃描是由人工智能創建的，還是以傳統方式從MRI機器中產生的?她不確定地說：“我的直覺說這是AI。” “看起來有點模糊。”
Ciavarra和她的NYU同事參加了一項研究，該研究將AI創建的掃描質量與傳統掃描進行了對比。通過將人工智能與MRI機器配合使用，計算機科學家和放射學家認為，它們可以大大加快普通醫學檢查的速度，這對患者和醫院都是一個福音。這可能意味著將十分鐘的膝蓋掃描減少到五分鐘，或者將一小時的心臟掃描減少到半小時。這還可以節省醫院的錢，并減少麻醉可能難以保持的兒科患者的需要。
紐約大學現在準備將該研究提交給學術研究，這項研究是兩個奇怪的研究員之間的項目的一部分：紐約大學醫學院和Facebook。該合作伙伴關系由Facebook人工智能研究部門發起，并于一年多前宣布，其目標很簡單：使用AI來開發快速而高質量的MRI掃描，有朝一日可以使繁忙的醫療中心照料更多的人，而這個國家很少資源，以便更好地利用他們擁有的設備，老年人，年輕人和幽閉恐懼癥患者可以在狹窄而響亮的電磁管中花費更少的時間。
以這種方式使用AI的結果是，在創建使醫生能夠深入了解人體的圖像時，它所需的信息比公認的方法(稱為傅立葉逆變換)要少得多。“在MRI中，我們獲取了一定數量的數據，然后使用重建方法來創建圖像，” NYU Langone Health放射科主任Michael Recht說。“但是事實證明，我們收集的數據總是比我們可能需要的更多。” 可以將它想象成是一輛省油的汽車，取代了耗油的舊車：新算法需要更少的數據，更少的測量數據才能達到與MRI機器相同的距離(或在這種情況下，獲得正確的圖像)。
FAIR的研究科學家Larry Zitnick解釋說，要讓放射科醫生或外科醫生獲得所需的情報(要使該實驗獲得成功，就必須使AI產生的圖像選中兩個框)。首先，它必須是準確的：錯過韌帶撕裂或發明實際上不存在的東西的漂亮掃描可能既無用又危險。其次，“放射科醫生必須喜歡這種圖像，”齊特尼克說。當像Ciavarra的醫生在黑暗的閱覽室里呆著幾個小時盯著掃描儀時，他們需要清晰而又輕松的照片。
但是，要獲得一種算法來解釋這種經過測試的機器所產生的信息并不是一件容易的事。為了訓練AI軟件正確地將頻率數據旋轉成圖像，Facebook團隊表示，他們使用來自真實MRI掃描的信息嘗試了約1,000種不同的模型變體。他們提供了算法的原始信息，并向其顯示了相應的圖像，以幫助神經網絡(軟件工程師可以訓練它們執行不同任務(例如識別照片中的內容)的通用機器學習工具)生成正確的圖像。
Facebook開發出該模型后，就不得不對鷹眼專家進行盲目測試。像Ciavarra這樣的NYU放射科醫生回顧了AI產生的膝關節掃描，他們采用了老式的方法來查看是否可以從兩者中獲得相同的診斷信息。然后他們不得不猜測是哪個。該團隊無需對患者進行兩次掃描(較慢的常規方法和更快的AI驅動方法)，而是追溯性地從常規掃描中剝離了一些原始數據，以模擬機器運行得更快的樣子。
Zitnick還指出，他的工作人員在AI生成的圖像中添加了一些噪點，以使其看起來更逼真，并避免將手伸向醫生。他說：“您將其調整得恰到好處，然后放射線醫師突然很難辨別哪個是來自AI的，而哪個不是，這是因為您要拿走那里的一個提示。” (他說，增加的噪聲不會影響掃描的診斷價值。)
通常，當您聽到有關AI和放射學的知識時，該算法正在分析圖像，而不是像在Facebook-NYU項目中那樣創建圖像。杜克大學副教授Maciej Mazurowski說：“我認為這是一個非常令人興奮且重要的研究方向。” 他專注于放射學和AI，但并未參與MRI研究。“這與大多數放射學AI研究不同。” 例如，馬祖羅夫斯基(Mazurowski)已使用神經網絡在超聲掃描中評估人甲狀腺上的結節。其他研究集中在利用機器學習來查找胸部圖像中的結核等問題。
Facebook表示，它將公開發布其AI-MRI算法，以便希望以更快的速度運行機器并利用人工智能將數據解釋為圖像的目標的其他研究人員可以這樣做。Mazurowski說：“由于MRI掃描儀價格昂貴且經常被備份，因此在診所中的影響可能是巨大的。” 但是，將AI注入流程中存在一些潛在的風險。例如，一種算法可能會發明出實際上不存在的問題(工件)。Mazurowski說，更重要的是，更大的擔憂是它可能忽略了實際問題，這意味著放射科醫生永遠不會注意到ACL撕裂。
這是一個高收益項目，具有潛在的關鍵回報：外科醫生可能會切割或不切割，這取決于掃描的結果。齊特尼克說：“這完全使我們感到緊張。” “正確解決這些問題很重要，這就是為什么我們以非常有條理的方式做到這一點的原因。”
隨著可互換性研究等待學術評論，紐約大學的研究人員正在加緊進行進一步的比較，以評估AI生成的圖像是否與外科醫生在膝蓋內進行關節鏡檢查時實際看到的圖像匹配。未來的目標不僅是將這種技術限制在膝蓋上，而且還將其用于其他身體部位，例如大腦的MRI，目前需要大量的掃描時間。
紐約大學的雷奇特說，他希望快速的AI掃描能夠改變醫生和患者與MRI的關系。他說：“我的夢想是每個關節都有五分鐘的掃描時間。”
