هوش مصنوعي نتايج اسكن MRI را بهبود مي‌دهد
پزشكان متكي به نتايج اسكن MRI و ساير آزمايش‌هاي تصويربرداري هستند تا بتوانند وضعيت داخل بدن بيماران را مشاهده كنند. اين تصاوير مي‌تواند به پزشكان كمك كند بافت‌هاي غيرطبيعي را شناسايي كنند. اسكن‌هاي MRI از امواج راديويي و يك آهنرباي قوي براي توليد سيگنال‌هاي ناشي از بافت‌هاي بدن استفاده مي‌كنند. سپس، يك كامپيوتر اين سيگنال‌ها را به يك تصوير دقيق و سه‌بعدي تبديل مي‌كند كه روي يك صفحه نمايش نشان داده مي‌شوند. اسكن MRI، به ويژه براي تصويربرداري از مغز، متخصصد بالايي دارد.
در اسكن MRI و ساير روش‌هاي تصويربرداري، ممكن است نياز باشد براي جلوگيري اختلالات و نويز، بيماران براي چندين دقيقه در دستگاه نگه داشته شوند. همچنين، گاهي اوقات تصويربرداري دوم هم براي صحت نتايج به دست آمده ضروري است. اكنون، تيمي به سرپرستي دكتر متيو رزن از بيمارستان عمومي ماساچوست، مركز تصويربرداري بيومديكال مارتينس و دانشگاه هاروارد براي بهبود بازسازي تصاوير اسكن MRI از الگوريتم‌هاي يادگيري ماشيني استفاده كردهاند. يافته‌هاي اين پژوهشگران در نشريه‌ي Nature منتشر شده است.
اين پژوهشگران از ابزارهاي پردازش گرافيكي قوي و شبكه‌هاي عصبي مصنوعي مشخصا AUTOMAP براي طراحي يك پروسه‌ي بازسازي خودكار استفاده كردهاند. آن‌ها براي يادگيري الگوريتم هوش مصنوعي از ۵۰ هزار اسكن MRI مغز موجود در مجموعه‌ي بزرگ اطلاعات پروژه هيومن كنكتوم (Human Connectome) بهره بردند.
هوش مصنوعي متخصصدهاي بالقوه زيادي براي تصويربرداري خواهد داشت و مي‌تواند، موجب بهبود كيفيت و سرعت روش‌هاي مختلف تصويربرداري شود
اين تيم سپس با استفاده از AUTOMAP، امكان بازسازي و بهبود اطلاعت اسكن MRI را مطالعه كردند. آن‌ها دريافتند كه خروجي AUTOMAP، تصاوير بهتري با نويز كمتري نسبت به اسكن MRI معمولي است. نسبت سيگنال به نويز براي AUTOMAP، نسبت به بازسازي تصاوير اسكن‌هاي معمولي (۲۱٫۶ در مقابل ۱۷٫۶) بهتر بود. AUTOMAP، همچنين براي اندازه‌گيري آماري خطاها هم عملكرد بهتري داشت و درصد خطاي آن نسبت به بازسازهايي معمولي ۶٫۷ در مقابل ۱۰٫۸ درصد بود. علاوه بر اين، AUTOMAP، سريع‌تر از تنظيمات دستي اسكن‌هاي MRI فعلي است.
روزن گفت:
با به كار بردن AUTOMAP، به عنوان منبع تغذيه‌ي شبكه عصبي، سرعت بازسازي تصاوير تقريبا آني، تنها با اختلاف ده‌ها ميلي‌ثانيه بود. برخي از انواع اسكن‌ها اكنون نياز به پردازش محاسباتي طولاني براي بازسازي تصاوير دارند. در اين موارد، امكان بازخورد فوري در هنگام تصويربرداري اوليه وجود ندارد و ممكن است براي شناسايي يك اختلال مشكوك، تكرار تصويربرداري لازم باشد. AUTOMAP، امكان بازسازي فوري را فراهم مي‌كند و مي‌تواند نياز به معاينه‌ها و مطالعه‌هاي بيشتر را بر طرف كند.
به عقيده پژوهشگران، متخصصدهاي بالقوه زيادي براي AUTOMAP، وجود دارد. اين تكنيك هوش مصنوعي مي‌تواند، براي بهبود كيفيت و سرعت روش‌هاي مختلف تصويربرداري، پزشكي و غير پزشكي مورد استفاده قرار گيرد.
هم انديشي ها