Китайские инженеры создали дешёвый МРТ-сканер с питанием от розетки

Изображения головного мозга были получены с помощью обычного преобразования Фурье и алгоритма глубокого обучения.

Эта инновация обещает сделать более доступной магнитно-резонансную диагностику заболеваний нервной системы.

Создан прототип дешевого МРТ-сканера с питанием от розетки.

Специалисты из Гонконга (Китай) разработали прототип МРТ-сканера, который может провести диагностику дешевле и доступнее. Для этого ученые использовали маломощный магнит, а также отказались от стандартного шумоподавления.

Диагностика патологии нервной системы, опорно-двигательного аппарата, онкологических и других заболеваний значительно продвинулась после изобретения аппарата магнитно-резонансной томографии (МРТ). Но, несмотря на эффективность — ежегодно в мире проводят более 100 миллионов таких процедур, — за 50 лет доступность этого сканера остается низкой. Аппараты МРТ сосредоточены в более-менее обеспеченных странах, где на миллион жителей их исчисляют десятками, а, например, в Африке — меньше одного.

Основная проблема заключается как в дороговизне самого сканера, так и в недешевом обслуживании, ведь для него необходимо отдельное помещение с защитой от внешних электромагнитных помех.

Сейчас активно разрабатывают технологии, делающие аппараты МРТ мобильнее: например, ранее были предложены сверхнизкопольные сканеры для визуализации мозга.

https://www.nature.com/articles/s41551-020-00641-5

Такие устройства работают с магнитным полем меньше 0,1 тесла.

Медицинские инженеры из Гонконгского университета в Китае предложили новый аппарат. Они разработали томограф для всего тела с магнитом мощностью в 0,05 тесла (стандартные аппараты работают с полем мощностью в один-три тесла). Специалисты оптимизировали самые дорогие составляющие сканера и смогли повысить резкость изображений органов с помощью алгоритма глубокого обучения.

Глубокое обучение (глубинное обучение; англ. Deep learning) — совокупность методов машинного обучения, основанных на обучении представлениям (англ. feature/representation learning), а не специализированных алгоритмах под конкретные задачи.

Машинное обучение (англ. machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение за счёт применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, математического анализа, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.

Гонконгские инженеры протестировали свой экспериментальный аппарат на 30 здоровых добровольцах в возрасте от 23 до 77 лет. Описание разработки и результаты опубликованы в журнале Science.

https://vk.cc/cx5b7G

Стоимость аппарата МРТ напрямую зависит от двух факторов. Во-первых, от мощности магнитов — чем мощнее, тем дороже. Цена за аппараты с магнитным полем в три тесла порой достигает нескольких сотен миллионов рублей. Второй фактор ценообразования — радиочастотная защита, которая подавляет помехи и сохраняет четкость изображения.

Ученые решили использовать компактный феррит-борный магнит мощностью 0,05 тесла, а от экранирования (то есть защиты) отказаться. В результате сканер может работать от стандартного напряжения в 220 вольт (проще говоря, от розетки). Возможная цена за такой аппарат, если запускать серийное производство, составит примерно 22 тысячи долларов США (почти два миллиона рублей).

Но как быть с помехами? Специалисты расставили вокруг сканера 10 небольших катушек для измерения электромагнитного шума во время сканирования. Потом они внедрили алгоритм глубокого машинного обучения, который ранее разработали. Система обрабатывает сначала магниторезонансный сигнал, затем электромагнитный шум. Также алгоритм адаптируется, реконструирует контрастное изображение с помощью преобразования Фурье и обучается на моделях.

Чтобы убедиться в эффективности, исследователи сравнили контрастные изображения мозга, позвоночного столба, колена, сердца и внутренних органов, полученные на высокопольном сканере с мощностью три тесла - и изображения, полученные на своём экспериментальном аппарате. Алгоритм показал основные нейроанатомические структуры, в т.ч. на снимках четко видны границы межпозвоночных дисков и спинного мозга. Также видны границы печени и ее крупных сосудов, хрящи бедра и колена, мениск и другие анатомические структуры. Более мелкие детали распознал только полноценный аппарат, тем не менее искусственный интеллект заметно повысил четкость сигнала.

Авторы статьи отметили, что новая разработка еще достаточно тяжелая и маломобильная (один магнит весит 1300 килограммов), однако потенциально ее можно облегчить вдвое. Для этого они предложили оснастить сканер аккумулятором и использовать другой магнит — возможную массу устройства оценивают в 600 килограммов. Но уже сейчас эксперименты на прототипе показывают, что он может решить проблему недоступных и дорогостоящих аппаратов МРТ.

Иллюстрации.

Демонстрация возможностей алгоритма глубокого обучения для визуализации мозга и позвоночника при 0,05 тесла.

(A) Изображения головного мозга были получены с помощью обычного преобразования Фурье и алгоритма глубокого обучения у здорового добровольца (34 года, мужчина). Для сравнения также показаны изображения того же добровольца с высокопольного МРТ. Время сканирования 5,0 и 6,4 минуты соответственно.

(B) Изображения шеи, полученные с помощью метода Фурье и глубокого обучения у здорового добровольца.

(C) Изображения спины, полученные с помощью метода Фурье и глубокого обучения у здорового добровольца. Время сканирования для шеи и спины составляло 8 мин или меньше.

https://vk.cc/cx5ciR

Источник: naked-science.ru

Комментарии: