研究人员将数据科学和机器学习技术结合起来,改进传统的MRI图像重建
明尼苏达大学双城分校的科学家和工程师们已经找到了一种提高传统磁共振成像(MRI)重建技术性能的方法,允许更快的磁共振成像来改善医疗保健。
这篇论文发表在美国国家科学院院刊.
“核磁共振需要很长时间,因为你是以连续的方式获取数据的。你必须以连续的方式填充图像的频率空间,”明尼苏达大学电气与计算机工程系吉姆和萨拉·安德森副教授、该论文的高级作者Mehmet Akcakaya解释道。“我们想让核磁共振成像更快,这样病人在那里的时间就会更短,这样我们就可以提高医疗保健系统的效率。本文探索了一种方法,同时确保我们保持良好的性能。”
在过去十年左右的时间里,科学家们一直在使用一种被称为压缩感知的技术来提高核磁共振成像的速度,这种技术利用的是图像可以被压缩成更小的尺寸,类似于在计算机上压缩。jpeg文件。
最近,研究人员一直在研究使用深度学习这是一种机器学习,可以加速MRI图像重建。这个过程不是在MRI过程中捕捉每个频率,而是跳过频率,并使用训练有素的机器学习算法来预测结果并填补这些空白。
许多研究表明,深度学习在很大程度上优于传统的压缩感知。然而,使用深度学习也存在一些问题——例如,训练数据不足可能会在算法中产生偏差,从而可能导致它误解MRI结果。
明尼苏达大学双城分校的研究人员结合了现代数据科学工具和机器学习思想,找到了一种对传统压缩方法进行微调的方法,使其几乎与深度学习一样高质量。
Akcakaya表示,这一发现为MRI重建领域提供了新的研究方向。
Akcakaya说:“我们想说的是,围绕核磁共振的深度学习有很多炒作,但也许新方法和传统方法之间的差距并没有之前报道的那么大。”
“我们发现,如果你调整经典方法,它们可以表现得非常好。所以,也许我们应该回头看看经典方法看看我们是否能得到更好的结果。围绕深度学习也有很多很棒的研究,但我们正试图从两个方面来看,看看我们在哪里可以找到最好的性能、理论保证和稳定性。”
进一步探索