Sử dụng mạng nơ-ron được đào tạo thông minh, các nhà nghiên cứu tại TU Graz đã thành công trong việc tạo ra hình ảnh thời gian thực chính xác về nhịp tim chỉ từ một vài dữ liệu đo MRI. Các ứng dụng MRI khác cũng có thể được tăng tốc bằng quy trình này.

Chụp ảnh y tế bằng chụp cộng hưởng từ (MRI) rất tốn thời gian vì hình ảnh phải được biên soạn từ dữ liệu từ nhiều phép đo riêng lẻ. Nhờ sử dụng máy học, việc chụp ảnh cũng có thể thực hiện được với ít dữ liệu đo MRI hơn, giúp tiết kiệm thời gian và chi phí. Tuy nhiên, điều kiện tiên quyết cho việc này là hình ảnh hoàn hảo có thể được sử dụng để đào tạo các mô hình AI. Những hình ảnh đào tạo hoàn hảo như vậy không tồn tại đối với một số ứng dụng nhất định, chẳng hạn như MRI thời gian thực (hình ảnh chuyển động), vì những hình ảnh như vậy luôn hơi mờ. Một nhóm nghiên cứu quốc tế do Martin Uecker và Moritz Blumenthal từ Viện Chẩn đoán hình ảnh Y sinh tại Đại học Công nghệ Graz (TU Graz) dẫn đầu hiện đã thành công trong việc tạo ra hình ảnh MRI trực tiếp chính xác về nhịp tim ngay cả khi không có hình ảnh đào tạo như vậy và với rất ít dữ liệu MRI với sự trợ giúp của mạng nơ-ron được đào tạo thông minh. Nhờ những cải tiến này, MRI thời gian thực có thể được sử dụng thường xuyên hơn trong thực tế trong tương lai.

Hiệu chuẩn hình ảnh thông qua dữ liệu bị giữ lại

Martin Uecker và Moritz Blumenthal đã sử dụng các phương pháp học tự giám sát để đào tạo mô hình máy học của họ cho hình ảnh MRI. Cơ sở để đào tạo mô hình không phải là hình ảnh hoàn hảo được quản lý trước, mà là một tập hợp con của dữ liệu ban đầu mà mô hình sẽ sử dụng để tái tạo hình ảnh. Moritz Blumenthal giải thích như sau: "Chúng tôi chia dữ liệu đo lường do thiết bị MRI cung cấp thành hai phần. Từ phần dữ liệu đầu tiên lớn hơn, mô hình máy học của chúng tôi sẽ tái tạo hình ảnh. Sau đó, nó cố gắng tính toán phần thứ hai của dữ liệu đo lường bị giữ lại từ nó dựa trên hình ảnh." Nếu hệ thống không thực hiện được điều này hoặc thực hiện kém - theo logic cơ bản - thì hình ảnh được tái tạo trước đó hẳn đã không chính xác. Mô hình được cập nhật, nó tạo ra một biến thể hình ảnh được cải tiến mới và cố gắng tính toán lại phần dữ liệu thứ hai. Quá trình này chạy trong một số vòng cho đến khi kết quả nhất quán. Trong quá trình đào tạo này, hệ thống học được từ một số lượng lớn các bản tái tạo như vậy về hình ảnh MRI tốt sẽ trông như thế nào. Sau đó, trong quá trình ứng dụng, mô hình có thể trực tiếp tính toán một hình ảnh tốt.

Quy trình này có thể giúp nhiều ứng dụng MRI nhanh hơn và rẻ hơn

"Quy trình của chúng tôi đã sẵn sàng để ứng dụng", Martin Uecker cho biết, "mặc dù có thể sẽ mất một thời gian nữa trước khi nó thực sự được sử dụng trong thực tế". Phương pháp này có thể được sử dụng cho nhiều ứng dụng MRI khác để giúp chúng nhanh hơn và do đó rẻ hơn. Ví dụ, bao gồm MRI định lượng, trong đó các thông số mô vật lý được đo lường và định lượng chính xác.

Kết quả nghiên cứu, vừa được công bố trên tạp chí Magnetic Resonance in Medicine, là kết quả của sự hợp tác quốc tế và liên ngành của Viện Chụp ảnh Y sinh. Những người tham gia bao gồm Christina Unterberg (bác sĩ tim mạch tại Trung tâm Y khoa Đại học Göttingen), Markus Haltmeier (nhà toán học tại Đại học Innsbruck), Xiaoqing Wang (nhà nghiên cứu MRI tại Trường Y khoa Harvard) và Chiara Fantinato (sinh viên Erasmus đến từ Ý). Các thuật toán và dữ liệu MRI được cung cấp miễn phí để các nhà nghiên cứu khác có thể tái tạo trực tiếp kết quả và xây dựng trên phương pháp mới.

Nguồn: News medical life sciences| TU Graz| Sep 30 2024

Đường dẫn: Xem tại đây