AI de la Facebook si NYU School of Medicine

Facebook AI Research (FAIR) si NYU School of Medicine’s Center for Advanced Imaging Innovation and Research (CAI²R) au in comun noi instrumente open source si date, ca parte a fastMRI, un proiect comun de cercetare pentru a stimula dezvoltarea sistemelor AI pentru a accelera RMN scaneaza pana la 10x . Comunicatul de astazi include noi modele AI si linii de baza pentru aceasta sarcina . De asemenea, acesta include primul set de date RMN de mari dimensiuni, care poate servi ca punct de referinta pentru cercetarile viitoare.

Cu ajutorul tehnicilor AI noi, speram sa generam scanari care necesita date de masurare mult mai mici pentru a produce detaliile imaginii necesare pentru detectarea precisa a anomaliilor. Împartasirea acestei suita de resurse reflecta misiunea rapidaMMR, care este de a angaja comunitatea mai larga a AI si a cercetatorilor în domeniul imagisticilor medicale, mai degraba decât de a dezvolta metode de proprietate pentru accelerarea imagisticilor MR.

În mai mult de patru decenii de când a fost introdus imagistica medicala MR, cercetatorii au încercat în mod constant sa scurteze timpii de scanare lungi, ceea ce poate necesita uneori ca pacientii sa ramâna stationari mai mult de o ora. Dar, în 2016, cercetarile de la Scoala de Medicina din NYU au aratat ca învatarea automata (ML) ar putea reduce în mod semnificativ duratele de scanare prin generarea de imagini MR complete din datele partiale. În timpul unui singur examen, dispozitivele RMN colecteaza o serie de masuratori spatiale 2D individuale - cunoscute ca date despre spatiul k în comunitatea imagistica medicala - si le convertesc în diverse imagini. Prin instruirea retelelor neuronale pe o cantitate mare de date k-spatiu, aceasta tehnica de reconstructie a imaginii permite scanari initiale mai putin detaliate, sistemul AI generând imagini complete dintr-o cantitate limitata de date. Aceasta include producerea detaliilor imaginii care ar putea indica o tumoare, un vas de sânge rupt sau alta caracteristica de diagnosticare cheie.

Cu Scoala de Medicina NYU, care furnizeaza acum imaginile MR si masuratorile brute, FAIR împartaseste instrumente de tip open source pentru a utiliza aceste date, asigurând în acelasi timp ca lucrarile aferente sunt reproductibile si pot fi evaluate cu consecventa.

Desi baza sa de date open source este deja mai mare decat seturile anterioare de date publicate pentru reconstructia MR, NYU School of Medicine intentioneaza sa elibereze imagini si masuratori suplimentare in viitorul apropiat, legate de scanarea ficatului si a ficatului (actualul set de date consta in scaneaza genunchiului). In plus, in viitoarea Scoala de Medicina FAIR si NYU planuiesc sa lanseze o provocare de reconstructie, participantii producand rezultate intr-un interval de timp limitat (spre deosebire de tabela rapida, unde rezultatele vor fi postate in mod continuu).