近日，來自Facebook人工智能研究（FAIR）小組的Larry Zitnick和來自紐約大學醫(yī)學院的Daniel Sodickson，M．D．，Ph．D和Michael Recht，M．D合作推出了fastMRI項目。

fastMRI是一個新的合作研究項目，其目的是運用AI將MRI掃描速度提高10倍。如果這項工作取得成功，醫(yī)生可以節(jié)約時間接待更多的患者。

MRI掃描儀提供的圖像包含的細節(jié)軟組織相關細節(jié) （例如器官和血管）通常較其他形式的醫(yī)學成像更多，但其圖像生成較慢，通常需要十五分鐘到 一個小時。相比之下，X射線和CT掃描的時間分別為不到一秒與一分鐘。MRI長時間的掃描對幼兒以及幽閉恐懼癥患者感到痛苦。

此外，而許多農村地區(qū)和貧困國家的MRI缺乏，已有的設別不足以負擔大量的人群。通過提高MRI掃描儀的速度，我們可以使更多患者能夠使用這些設備。

充分加速的MRI設備還可以減少患者在腹部和軀干的心臟，肝臟或其他器官成像期間必須屏住呼吸的時間量。提高速度可以讓MRI機器在某些應用中充當X射線和CT機器的角色，讓患者避免與這些掃描相關的電離輻射。

先進醫(yī)學成像的挑戰(zhàn)

該項目最初將側重于改變MRI機器的運行方式。目前，掃描儀通過在一系列連續(xù)視圖中收集原始數值數據并將數據轉換為內部身體結構的橫截面圖像來工作，然后醫(yī)生將其用于評估患者的健康狀況。要收集的數據集越大，掃描所需的時間就越長。

（左）原始MRI數據在轉換為圖像之前，為了捕獲診斷研究的全套原始數據，MRI掃描通常需要15－60分鐘。

（右）從完全采樣的原始數據重建的膝蓋的MRI圖像。

使用AI，可以捕獲更少的數據并因此更快地掃描，同時保留甚至增強磁共振圖像的豐富信息內容。關鍵是訓練人工神經網絡以識別圖像的底層結構，以便填充加速掃描中省略的視圖。這種方法類似于人類處理感官信息的方式：當我們體驗這個世界時，我們的大腦經常會收到一幅不完整的圖片——就像被遮擋或昏暗的物體一樣——大腦需要將其轉化成可操作的信息。紐約大學醫(yī)學院的早期工作表明，人工神經網絡可以完成類似的任務，從少量的數據中生成高質量的圖像。

實際上，通過部分信息重建圖像是一個非常困難的問題。神經網絡必須能夠有效地彌合掃描數據中的間隙，而不犧牲準確性。一些缺失或錯誤建模的像素可能意味著醫(yī)生將作出錯誤的判斷。相反，捕獲圖像中先前無法訪問的信息可以完全挽救生命。

（左）未充分采樣的原始MRI數據。 用于捕獲該數據的MRI掃描比用于捕獲診斷研究的完整數據的掃描更快，但是欠采樣在得到的MRI圖像中產生噪聲和偽影。 （右）從二次采樣數據重建的膝蓋的MRI圖像。 fastMRI項目旨在使用AI創(chuàng)建有用的MRI圖像，沒有像這里顯示的噪聲和偽像。

Facebook和紐約大學的合作

紐約大學醫(yī)學院是紐約大學朗格健康系的一個部門，它長期以來一直致力于推動醫(yī)學研究和教育的發(fā)展，以造福患者的生活。放射科的高級成像創(chuàng)新和研究中心（CAI2R）包括一個由工程師，物理學家，數學家，放射科醫(yī)師以及其他臨床醫(yī)生和科學家組成的多學科團隊，他們在快速圖像采集，平行成像和高級圖像重建方面擁有豐富的專業(yè)知識�，F在他們將工作重心置于開發(fā)新型成像技術，并將這些技術迅速轉化為臨床實踐。

自2016年以來，CAI2R研究人員一直致力于利用AI實現更快的MRI掃描。早期研究表明掃描時間可以減少一個數量級甚至過多。然而，要實現這些潛在收益，需要額外的AI知識以及大規(guī)模計算資源。

大約在同一時間，Facebook人工智能研究（FAIR）小組專注于推動人工智能狀態(tài)的開放和基礎研究，正在尋找AI可能產生重大現實影響的項目。 CAI2R的圖像重建工作符合這些標準，并為FAIR提供了結合其深度學習專業(yè)知識的機會（特別是在計算機視覺領域），并利用醫(yī)學院領先的成像科學專業(yè)知識培訓大規(guī)模模型的能力。

項目數據詳情

該項目中使用的成像數據集由紐約大學醫(yī)學院專門收集，由10，000個臨床病例組成，包括大約300萬個膝蓋，腦和肝臟的磁共振圖像。

所有數據（包括圖像和原始掃描儀數據）都完全剝離了患者姓名和所有其他受保護的健康信息。這項工作完全符合HIPAA標準，并經過紐約大學朗格納機構審查委員會的批準，該委員會負責監(jiān)督醫(yī)療中心的所有人體研究。該項目受嚴格的人體主題數據保護協(xié)議的約束，并由紐約大學朗格尼的世界級信息技術團隊提供支持。

用于該項目的磁共振圖像（通常代表解剖學的小目標區(qū)域）已經被清除了任何潛在的區(qū)別特征。同樣，基于AI的重建與傳統(tǒng)重建之間的性能比較也將缺乏任何識別信息。項目中不會使用任何類型的Facebook數據。

紐約大學醫(yī)學院放射科主任Michael Recht，醫(yī)學博士，醫(yī)學博士Daniel Sodickson，研究副主席和高級成像創(chuàng)新中心主任，人工智能主任Yvonne Lui醫(yī)學博士，在紐約大學朗格健康分校檢查膝關節(jié)MRI 2019年8月，紐約大學醫(yī)學院的放射科醫(yī)生將開始與Facebook開展研究合作，通過人工智能將MRI加速提高10倍。

Recht，Sodickson和Lui于2018年8月在紐約大學朗格健康醫(yī)院檢查膝關節(jié)MRI掃描。

“為了盡可能快地推進醫(yī)學成像的最新技術水平，雙方計劃開源這項工作，以吸引更多研究團體能夠在我們的發(fā)展基礎上進一步發(fā)展。隨著項目的進展，Facebook將分享與此研究相關的AI模型，基線和評估指標，紐約大學醫(yī)學院將開源圖像數據集。這將有助于確保工作的可重復性，并加速在臨床實踐中采用所得方法。”

下一步是什么

雖然該項目最初將專注于MRI技術，但其長期影響可能會擴展到許多其他醫(yī)學成像應用。例如，AI提供的改進也有可能徹底改變CT掃描。先進的圖像重建可以實現適合弱勢群體的超低劑量CT掃描，例如兒科患者。這些改進不僅有助于改變醫(yī)學成像的經驗和有效性，而且還有助于平等獲得醫(yī)療保健不可或缺的要素。

fastMRI項目將展示來自不同領域和行業(yè)的領域專家如何共同合作，以產生一種開放式研究，這將對世界產生深遠而持久的積極影響。