MITの研究者は 機械学習アルゴリズムを構築 MRIスキャンや他の3D画像を登録し、数秒で比較分析することができます。
これにより、2時間以上の従来のランタイムがわずか1秒に短縮されます。
MRIやCTスキャンを含む医用イメージングは医学的な画期的なものではなく、医師が解剖学的な違いを徹底的に比較して分析できるだけでなく、 巨大なグローバルビジネス 米国だけで50億ドル近くが年間40スキャンに費やされています。
しかし、この広く使用されている技術は、2時間以上を要し、臨床研究を遅らせ、他の潜在的なアプリケーションを制限しています。
「医療画像登録用の従来のアルゴリズムは非常に遅いため、多くの臨床設定で使用される可能性は低い」 エイドリアンダルカ、共著者、マサチューセッツ総合病院の博士研究員、 MITのコンピューターサイエンスおよび人工知能研究所（CSAIL), Guha Balakrishnanは、共著者であり、 CSAILの大学院生および工学コンピュータサイエンス学科（EECS).
彼らの機械学習アルゴリズムを説明している2つの論文は、 提示された コンピュータビジョンとパターン認識（CVPR）に関する2018会議 先週、 21st Medical Computing and Computer Assisted Interventionに関する国際会議（MICCAI） スペインでは、9月16-20。
どうしてそんなに長い時間がかかりますか？
MRIスキャンでは、何百もの積み重ねられた2D画像が「ボリューム」と呼ばれる大規模な3D画像を形成し、「ボクセル」と呼ばれる3万以上のXNUMXDピクセルが含まれます。
たとえば、脳をスキャンするとき、この手法は、脳の2D表現を形成するために結合される多くの3-D「スライス」を生成します。
このため、最初のスキャンですべてのボクセルを細かく整列させるのに時間がかかります。 このプロセスは、スキャンが異なるマシンからのものであればさらに困難になり、大規模な人からのスキャンを分析する場合は特に遅くなります。
医師が特定の病気や状態の患者の何百もの患者の脳構造の変化を知る必要がある場合、スキャンだけでは何百時間もかかる可能性があります。
「XNUMXつの異なる脳のXNUMXつの異なる画像があり、それらを互いに重ね合わせて、一方が他方に合うまで一方を小刻みに動かし始めます。 数学的には、この最適化手順には長い時間がかかります」とDalca氏は声明で述べています。
しかし、新しい画像ペアが与えられたときに最初から始めるのではなく、以前のスキャンでアルゴリズムを学んだら、どうなるか考えました。
「100回の登録後、アライメントから何かを学んだはずです。 それが私たちが活用していることです」とバラクリシュナンは声明で述べています。
学習するアルゴリズム
「VoxelMorph」と呼ばれる新しい機械学習アルゴリズムは、畳み込みニューラルネットワーク（CNN）は、画像処理に一般的に使用される機械学習手法です。
これらのネットワークは、いくつかの層の計算で画像やその他の情報を処理する多くのノードで構成されています。
研究者らは、公開されている7,000のMRI脳スキャンでVoxelMorphを訓練しました。
トレーニング中、VoxelMorphは何千ものペアの脳スキャン画像を登録しました。 そのCNNコンポーネントと空間トランスフォーマーは、両方のスキャンに共通の解剖学的形状など、MRIスキャンの各ペアでボクセルの類似したグループをキャプチャすることによってイメージを整列させる方法に関するすべての必要な情報を学習しました。
次に、2回の新しいスキャンを入力すると、VoxelMorphはトレーニング中に推定したパラメータを使用して、新しいスキャンでの各ボクセルの正確なアライメントを迅速に計算しました。
つまり、アルゴリズムのCNNコンポーネントは、トレーニング中に必要なすべての情報を取得するため、新しい登録のたびに、XNUMXつの簡単に計算可能な関数評価を使用して登録全体を実行できます。
バラクリシュナン氏は声明のなかで、「脳MRIのペアを調整する場合、脳MRIを調整するタスクはそれほど変わらないはずです」と述べています。
「調整を行う方法で引き継ぐことができるはずの情報があります。 以前の画像レジストレーションから何かを学ぶことができれば、新しいタスクをはるかに速く、同じ精度で実行できます。」
CNNモデルも組み込んでいるが、正確な登録を計算するために最初に別のアルゴリズムを実行する必要がある他のアルゴリズムとは異なり、VoxelMorphは「教師なし」です。つまり、正確な登録を計算するために必要なのは画像データのみです。
結果
250の追加スキャンでテストされたVoxelMorphは、従来の中央演算処理装置（CPU）を使用して2分以内にすべてを正確に登録し、グラフィック処理ユニット（GPU）を使用して1秒未満で正確に登録しました。
「最初のテストと出版物では、病気に関する洞察を得るために、多数の研究画像を処理しました。 このシナリオでは、短縮されたVoxelMorphランタイムが分析に劇的な影響を与える可能性があります」とDalcaとBalakrishnanは述べています。
次に、研究者はVoxelMorphアルゴリズムをさらに改良し、各レジストレーションの「滑らかさ」を保証します。つまり、合成画像に折り目、穴、または一般的な歪みが発生しません。
研究者は、アルゴリズムの精度を検証するために、重複した画像の精度を評価するための標準的なメトリックであるダイススコアと呼ばれる数学モデルを使用しました。
彼らは、17の脳領域全体で、洗練されたVoxelMorphが、一般的に使用されている最先端の登録アルゴリズムと同じ精度を達成し、ランタイムと方法論の改善を提供することを発見しました。
次のステップ
脳スキャンを分析するだけでなく、VoxelMorphは幅広い新しい研究と応用を可能にします。
最低でも、VoxelMorphは患者のためにはるかに効率的なケアを可能にします。 医師は手術や治療の前後に撮影された特定の患者の医療画像をすばやく整列させ、手術の効果を評価できるようになりました。
「以前の方法は非常に低速でしたが、短いVoxelMorphランタイムは、スキャンが取得されるとすぐにこの比較を可能にすることを約束します」とDalcaとBalakrishnanは述べています。 「これは私たちの将来の仕事の方向です。」
さらに、VoxelMorphは操作中の画像登録の道を開くことができます。
現在、脳腫瘍を切除する場合、外科医は最初に患者の脳をスキャンし、手術後まで腫瘍をすべて切除したかどうかを確認する必要があります。 除去が不完全な場合、手術室に戻る必要があります。
しかし、VoxelMorphはスキャンをほぼリアルタイムで登録できる可能性があるため、外科医は進行状況をはっきりと把握することができます。
「今日、手術中はXNUMX時間かかり、手術が進行中であるため、画像を実際に重ねることはできません」とDalca氏は声明で述べています。 「しかし、XNUMX秒しかかからない場合は、それが実現可能であると想像できます。」
現在、研究者はアルゴリズムを肺画像上で実行している。 そして彼らはさらなる改善を見ていきたいと思っています。
「画像アライメントの結果を自動的に評価し、臨床医が病状が存在する可能性がある場所を把握し、病院からの低品質の脳卒中臨床スキャンを登録し、肺疾患患者の肺画像をアライメントする作業を行っています」と、ダルカとバラクリシュナン。
