As ajudas da técnica de AI produzem as imagens de alta qualidade do CT em umas mais baixas dosagens

Uma equipe dos bioengineers no Rensselaer Polytechnic Institute (RPI), com o financiamento do instituto nacional da imagem lactente e da tecnologia biológica biomedicáveis (NIBIB), desenvolveu uma técnica da inteligência (AI) artificial que usasse a imagem queprocessa para converter ràpida varreduras do tomografia computorizada (CT) da baixo-dose às imagens da qualidade superior, comparada às varreduras da baixo-dose que não usam a técnica de AI. O CT transformou-se um serviço geralmente prescrito da imagem lactente na medicina moderna, fornecendo um não invasor, detalhada, e a ideia do close-up da anatomia e da patologia internas. a Baixo-dose CT minimiza a radiação do raio X a um paciente.

Esta aprendizagem profunda, híbrido, técnica da imagem-reconstrução integra imagens do CT da dose da baixo-radiação com métodos emergentes da rede neural e oferece imagens comparáveis em uma velocidade muito mais alta como aquelas produzidas com métodos iterativos da reconstrução. A equipe do Dr. Wang avançou técnicas profundamente de aprendizagem para a imagem lactente tomográfica e levou a cabo esta pesquisa com apoio da concessão de NIH para melhorar a qualidade da imagem e a eficiência computacional para a dose CT da baixo-dose.”

Behrouz Shabestari, Ph.D., director do programa de NIBIB na inteligência artificial, aprendizagem de máquina, e profundamente aprendizagem

Com seu uso de crescimento, a exploração do CT contribui a 62% da dosagem da radiação que os povos nos Estados Unidos incorrem de todas as modalidades da imagem lactente. Quando o risco de desenvolver o cancro de tal exposição de radiação for pequeno, a preocupação pública aumentou com o uso de crescimento de varreduras do CT, fazendo a redução da dose do CT um objetivo clínico. Os coordenadores da imagem lactente médica estão trabalhando para desenvolver as tecnologias que reduzem a dose de radiação do CT sem comprometer seu desempenho diagnóstico.

As varreduras do CT são reconstruídas das combinações de muitos raios X tomados dos ângulos diferentes. Em seu estudo publicado na inteligência de máquina da natureza do 10 de junho de 2019, a equipe conduzida por Ge Wang, o Ph.D., Clark & Crossan dotaram o professor da cadeira no departamento do RPI da engenharia biomedicável, e o Mannudeep Kalra, M.D., professor adjunto da radiologia na Faculdade de Medicina de Harvard e radiologista no Hospital Geral de Massachusetts, métodos padrão comparados da reconstrução da imagem das máquinas comerciais do CT com um método novo, chamado uma rede neural modularized. O método novo é um tipo de AI a que os pesquisadores refiram como a aprendizagem de máquina, ou profundamente de aprendizagem.

A rede neural modularized para a reconstrução da imagem do CT reduz progressivamente o ruído dos dados em uma maneira que os radiologistas podem interativamente participar na optimização dos trabalhos da reconstrução. Cada incremento pequeno da qualidade melhorada da imagem pode ser avaliado por radiologistas de acordo com o diagnóstico que médico querem fazer.

Os pesquisadores obtiveram varreduras do CT da baixo-dose de 60 pacientes; 30 que descreveram a anatomia abdominal e os outros 30 que descreveram a anatomia da caixa. As varreduras representaram três produtos comerciais do varredor do CT, tudo que já usa algoritmos iterativos da reconstrução da imagem; a aproximação convencional; para reduzir o ruído da imagem. O ruído causa a qualidade diminuída da imagem em conseqüência da baixa exploração do CT da dose de radiação. A aproximação iterativa da reconstrução refere as etapas repetidas que os tonalizadores médicos tentam para a geração das imagens do CT consistentes a algum conhecimento prévio sobre a física da imagem lactente e o índice da imagem. Os pesquisadores compararam a reconstrução da imagem com os métodos iterativos actualmente usados e sua rede neural profunda nova para o cargo-processamento da imagem.

Três radiologistas avaliaram e marcaram imagens para duas características: a fidelidade e a imagem estruturais propalam a supressão. A fidelidade estrutural é a capacidade da imagem para descrever exactamente as estruturas anatômicas no campo de visão, que pode ser diminuído pelo ruído. O ruído da imagem aparece como os testes padrões aleatórios na imagem que diminuem de sua claridade.

Para a imagem lactente abdominal, os radiologistas deram umas contagens mais altas às imagens produzidas com o método modularized da rede neural em dois dos três dispositivos de exploração e consideradas as imagens do terceiro dispositivo até à data da qualidade comparável com o método iterativo da reconstrução. Para a imagem lactente da caixa, os peritos encontraram a qualidade da imagem comparável entre os dois métodos para todos os dispositivos. Total, a rede neural modularized executou favoràvel ou comparàvel relativo ao método iterativo quando os radiologistas avaliaram a supressão estrutural da fidelidade e do ruído.

Os pesquisadores adicionam que seu método novo é muito mais rápido do que os métodos comerciais actuais e que as instituições com os varredores actuais do CT de vários tipos podem utilizar sua técnica para produzir resultados similares da imagem. Wang disse que os resultados do estudo confirmam que a aprendizagem profunda poderia ajudar a produzir as imagens de alta qualidade do CT em umas mais baixas dosagens, e ao mesmo tempo, esta aproximação nova muito mais eficiente do que o processo iterativo, que é demorado e sujeito aos produtos manufacturados do ruído da imagem.

A pesquisa foi apoiada, na parte, por uma concessão de NIBIB (EB017140) para que a pesquisa desenvolva sistemas para a baixo-dose CT.

Source:

Instituto nacional da imagem lactente e da tecnologia biológica biomedicáveis (NIBIB)

Referência do jornal:

Shan, 2018) desempenhos competitivos do H. e outros (de uma rede neural profunda modularized comparada aos algoritmos comerciais para a reconstrução da imagem do CT da baixo-dose. Inteligência de máquina da natureza. doi.org/10.1038/s42256-019-0057-9.