Le guide di tecnica di AI producono le immagini di CT di alta qualità ai dosaggi più bassi

Un gruppo dei bioengineers al Rensselaer Polytechnic Institute (RPI), con il finanziamento dall'istituto nazionale della rappresentazione e della bioingegneria biomediche (NIBIB), ha sviluppato una tecnica di intelligenza (AI) artificiale che usa la postelaborazione di immagine per convertire rapido le scansioni di tomografia computerizzata (CT) della basso dose in immagini di qualità superiore, confrontata alle scansioni della basso dose che non usano la tecnica di AI. Il CT si è trasformato in in un servizio comunemente prescritto della rappresentazione nella medicina moderna, fornente un non invadente, dettagliata e la visualizzazione del primo piano dell'anatomia e della patologia interne. la Basso dose CT minimizza la radiazione dei raggi x ad un paziente.

Questo apprendimento profondo, l'ibrido, tecnica di immagine-ricostruzione integra le immagini di CT della dose di basso radiazione con i metodi emergenti della rete neurale ed offre le immagini comparabili alla velocità molto più alta come quelle prodotte con i metodi iterativi di ricostruzione. Il gruppo del Dott. Wang ha avanzato le tecniche in profondità di apprendimento per la rappresentazione tomografica ed ha perseguito questa ricerca con il supporto di concessione di NIH per migliorare la qualità di immagine ed il risparmio di temi di calcolo per la dose CT della basso dose.„

Behrouz Shabestari, Ph.D., Direttore del programma di NIBIB nell'intelligenza artificiale, in apprendimento automatico ed in profondità nell'apprendimento

Con la sua utilizzazione crescente, lo scansione di CT contribuisce a 62% del dosaggio di radiazione in che la gente negli Stati Uniti incorre da tutte le modalità della rappresentazione. Mentre il rischio di sviluppare il cancro da tale esposizione a radiazioni è piccolo, l'interesse pubblico è aumentato con l'utilizzazione crescente delle scansioni di CT, rendente a riduzione della dose di CT uno scopo clinico. Gli ingegneri di imaging biomedico stanno lavorando per sviluppare le tecnologie che diminuiscono la dose di radiazioni dal CT senza compromettere la sua prestazione diagnostica.

Le scansioni di CT sono ricostruite dalle combinazioni di molti raggi x catturati dagli angoli differenti. Nel loro studio pubblicato nell'intelligenza artificiale della natura del 10 giugno 2019, il gruppo piombo dal GE Wang, Ph.D., da Clark & da Crossan ha dotato professore della presidenza nel dipartimento di RPI di assistenza tecnica biomedica e Mannudeep Kalra, M.D., professore associato della radiologia alla facoltà di medicina di Harvard e radiologo al policlinico di Massachusetts, metodi standard confrontati di ricostruzione di immagine dai commputer commerciali di CT con un nuovo metodo, chiamato una rete neurale modularizzata. Il nuovo metodo è un tipo di AI a che i ricercatori si riferiscono come apprendimento automatico, o in profondità di apprendimento.

La rete neurale modularizzata per ricostruzione di immagine di CT diminuisce progressivamente il disturbo di dati in un modo che i radiologi possono partecipare con interazione all'ottimizzazione del flusso di lavoro di ricostruzione. Ogni piccolo incremento di qualità migliore di immagine può essere valutato dai radiologi secondo la diagnosi che medica vogliono fare.

I ricercatori hanno ottenuto le scansioni di CT della basso dose di 60 pazienti; 30 che hanno descritto l'anatomia addominale e gli altri 30 che hanno descritto l'anatomia del torace. Le scansioni hanno rappresentato tre prodotti commerciali dello scanner di CT, tutti che già usassero gli algoritmi iterativi di ricostruzione di immagine; il metodo convenzionale; per diminuire disturbo di immagine. Il disturbo causa la qualità in diminuzione di immagine come conseguenza dello scansione basso di CT della dose di radiazioni. L'approccio iterativo di ricostruzione si riferisce ai punti ripetuti che i toner medici tentano verso la generazione delle immagini di CT coerenti ad una certa conoscenza priore circa fisica della rappresentazione ed il contenuto di immagine. I ricercatori hanno paragonato la ricostruzione di immagine ai metodi iterativi corrente usati e la loro rete neurale profonda novella per postelaborazione di immagine.

Tre radiologi hanno valutato e segnato le immagini per due funzionalità: la fedeltà e l'immagine strutturali diffondono la soppressione. La fedeltà strutturale è la capacità dell'immagine di descrivere esattamente le strutture anatomiche nel campo visivo, che può essere diminuito di disturbo. Il disturbo di immagine rivela come reticoli casuali sull'immagine che riducono la sua chiarezza.

Per la rappresentazione addominale, i radiologi hanno dato gli più alti punteggi alle immagini prodotte con il metodo modularizzato della rete neurale su due dei tre dispositivi di scansione e considerate le immagini dalla terza unità a partire da qualità comparabile con il metodo iterativo di ricostruzione. Per la rappresentazione del torace, gli esperti hanno trovato la qualità di immagine comparabile fra i due metodi per tutte le unità. In generale, la rete neurale modularizzata ha eseguito favorevole o in modo paragonabile riguardante il metodo iterativo quando i radiologi hanno valutato la soppressione strutturale di disturbo e di fedeltà.

I ricercatori aggiungono che il loro nuovo metodo è molto più veloce dei metodi commerciali correnti e che le istituzioni con gli scanner correnti di CT di varie marche possono utilizzare la loro tecnica per fornire i simili risultati di immagine. Wang ha detto che i risultati di studio confermano che l'apprendimento profondo potrebbe contribuire a produrre le immagini di CT di alta qualità ai dosaggi più bassi ed allo stesso tempo, questo approccio novello molto più efficiente del trattamento iterativo, che è che richiede tempo e conforme ai artefatti di disturbo di immagine.

La ricerca è stata supportata, in parte, da una concessione da NIBIB (EB017140) affinchè la ricerca metta a punto i sistemi per la basso dose CT.

Sorgente:

Istituto nazionale di rappresentazione e di bioingegneria biomediche (NIBIB)

Riferimento del giornale:

Shan, 2018) prestazioni non Xerox del H. et al. (di una rete neurale profonda modularizzata confrontata agli algoritmi commerciali per ricostruzione di immagine di CT della basso dose. Intelligenza artificiale della natura. doi.org/10.1038/s42256-019-0057-9.