發(fā)布日期：2017-06-26
用核磁共振成像（MRI）掃描大腦會(huì)產(chǎn)生許多2-D的“切片”，可以合成構(gòu)建大腦的3-D演示。中風(fēng)患者往往會(huì)在醫(yī)院進(jìn)行腦部掃描，這樣醫(yī)生才能夠找出和確認(rèn)受損的位置和區(qū)域。如果進(jìn)行大腦的高分辨率掃描通常需要30分鐘，但在中風(fēng)的情況下，這個(gè)時(shí)間太長(zhǎng)了。因而，通常醫(yī)院接收中風(fēng)患者時(shí)，會(huì)進(jìn)行快速腦部掃描。這種快速掃描切片間的間隔為7mm，而高端科學(xué)研究中通常會(huì)以間隔1mm進(jìn)行切片掃描。醫(yī)生會(huì)從這些掃描圖像中對(duì)中風(fēng)的影響進(jìn)行分析，但是往往這種快速臨床掃描的分辨率過低，使得很多用于輔助分析的計(jì)算機(jī)算法難以進(jìn)行。
人工智能讓原本分辨率極低的圖片，變得清晰（圖片來源：MIT）
“這些圖像是獨(dú)一無二的，因?yàn)樗鼈兪钱?dāng)患者由于中風(fēng)入院時(shí)，在臨床實(shí)踐中獲得的，”MIT電氣工程和計(jì)算機(jī)科學(xué)教授Polina Golland說，“這樣的研究是你難以籌劃的。”
這些來自醫(yī)院臨床的中風(fēng)掃描是大量數(shù)據(jù)財(cái)富，為了幫助科學(xué)家們更好的利用這些掃描圖像，來自MIT的研究團(tuán)隊(duì)協(xié)同麻省總醫(yī)院的醫(yī)生和其他的機(jī)構(gòu)，開發(fā)了一種提高這些掃描質(zhì)量的方法，這樣就可以將這些臨床數(shù)據(jù)用于大規(guī)模的中風(fēng)研究。通過這些掃描，研究人員可以研究遺傳因素是如何影響中風(fēng)存活率以及患者對(duì)不同的治療方案是如何響應(yīng)的。他們也可以通過這個(gè)途徑去研究一些其他的疾病，例如阿茲海默病。
填補(bǔ)數(shù)據(jù)
對(duì)于中風(fēng)患者的臨床掃描，成像由于掃描的時(shí)間限制會(huì)快速的進(jìn)行，掃描的“切片”非常的稀疏，意味著成像的切片有著5-7mm的間隔。（片內(nèi)分辨率為1mm）
MIT電氣工程和計(jì)算機(jī)科學(xué)教授Polina Golland（圖片來源：MIT）
對(duì)于科學(xué)研究，研究人員通常要獲得更高分辨率的成像，切片之間的間隔只有1mm，這需要掃描更長(zhǎng)的時(shí)間?？茖W(xué)家們開發(fā)了專門的計(jì)算機(jī)算法來分析這些成像，但是這些算法在低質(zhì)量的醫(yī)院掃描成像上就不是那么適用了。
MIT的研究人員與來自麻省總醫(yī)院和其他醫(yī)院的研究人員共同合作，他們對(duì)如何利用這些大量的患者掃描圖像非常的有興趣。相對(duì)于那些小范圍的高質(zhì)量掃描研究，這些豐富的臨床資源可以允許他們從中學(xué)到更多的東西。
他們共同開發(fā)了一種新方法，從基本上填補(bǔ)每個(gè)患者掃描中缺少的數(shù)據(jù)，通過從整個(gè)掃描集合獲取信息并使用它來重新創(chuàng)建其他掃描中缺少的解剖特征來完成。
Golland說：“關(guān)鍵的概念是生成解剖學(xué)上合理的圖像，用算法使之看起來像是那些研究掃描，并且與獲得的臨床圖像完全一致。一旦你這樣做，你可以應(yīng)用所開發(fā)的最先進(jìn)的算法，用于獲得漂亮的研究成像，并如同科研圖像一般運(yùn)行相同的分析，并得到結(jié)果。”
普通MRI圖片的一大局限在于分辨率（圖片來源：MIT）
一旦生成了這些科研質(zhì)量的圖像，研究人員就可以運(yùn)行一組旨在幫助分析解剖特征的算法，包括切片的對(duì)齊以及稱為頭骨剝離的過程——除去除大腦以外的其他結(jié)構(gòu)成像。
在整個(gè)過程中，算法會(huì)跟蹤哪些像素來自原始掃描，以及之后填充哪些像素，以便稍后進(jìn)行的分析。例如測(cè)量腦損傷的程度這樣的分析，則只能在原始掃描的信息上進(jìn)行。
“從某種意義上說，這是一個(gè)支架，可以讓我們將圖像放入集合中，就如同它是一個(gè)高分辨率的圖像，然后只對(duì)我們擁有信息的像素進(jìn)行測(cè)量，”Golland說。
更高質(zhì)量
麻省理工學(xué)院的團(tuán)隊(duì)開發(fā)出了這種用于增強(qiáng)低質(zhì)量圖像的技術(shù)，現(xiàn)在，他們計(jì)劃將其應(yīng)用于來自包括12間醫(yī)院在內(nèi)的大約4,000次中風(fēng)成像掃描。
“了解對(duì)白質(zhì)造成的損傷的空間模式，有助于我們更詳細(xì)地了解疾病如何與認(rèn)知能力相互作用，以及從腦卒中恢復(fù)的能力等等，”Golland指出。
人工智能將改變我們對(duì)疾病的治療（圖片來源：SiliconANGLE）
研究人員還希望將此技術(shù)應(yīng)用于其他腦部疾病患者的掃描。
“它打開了很多有趣的方向，”Golland說，“在日常醫(yī)療實(shí)踐中獲得的圖像可以給出解剖學(xué)洞察力，因?yàn)槲覀儗①|(zhì)量提升到了算法可以分析的程度。”
參考資料
[1] New technique makes brain scans better
[2] Artificial Intelligence Helps Improve MRI Imaging of Strokes
來源：康健新視野（微信號(hào) HealthHorizon）
