Искусственный интеллект для получения НДКТ диагностического качества и уменьшения времени на МРТ на 2/3.

Искусственный интеллект для получения НДКТ диагностического качества и уменьшения времени на МРТ на 2/3.

Это возможно?

На последней ежегодной конференции по исследованиям в области информатики в медицине (SIIM) 2017 года в Питтсбурге обсуждались последние исследования в области лучевой диагностики. Демонстрировались сотни научных плакатов и презентаций. Группа судей объявила первое место, отметив наградами, плакат исследования из Университета Пенсильвании под названием «Диагностическое качество алгоритма машинного обучения для оптимизации данных компьютерной томографии с низкой дозой» Diagnostic Quality of Machine Learning Algorithm for Optimization of Low-Dose Computed Tomography Data’ (Cross et al, U Penn).

91% рентгенологов оценили как диагностическое качество изображения низкодозового КТ, обработанного алгоритмами машинного обучения для шумоподавления, по сравнению с тем, что без такого шумоподавления только 28% респондентов увидели исследование диагностическим вне зависимости от производителя оборудования. Методика уже FDA approved.

Разработчики алгоритма (PixelShine ™ называемого Algomedica) утверждают, что первоначальный спектр мощности шума (шумовая текстура на всех частотах) полностью сохраняется при улучшении качества диагностического изображения за счет уменьшения величины шума, по сравнению с тем, что стандартные методы снижения дозы, такие как итеративная реконструкция, неэффективны (чем более сильные алгоритмы итеративных реконструкций вы используете, тем больше изменяется первоначальное изображение - может становиться хуже качество).

От той же команды энтузиастов есть новые плоды машинногого обучения, позволяющие улучшить качество изображения МРТ до диагностического из первоначально низкокачественного сбора данных, которое связано с сокращением времени исследования.

Исследователи привели пример 10 минутного МРТ исследования позвоночника, эквавалентного по качеству 30 минутному.

Источник: towardsdatascience.com

Комментарии: