Hurtigere mr scanninger med ny algoritme


Hurtigere mr scanninger med ny algoritme

Klinikere er i stand til at opdage selv de tidligste tegn på kræft eller andre abnormiteter ved hjælp af magnetisk resonansbilleddannelse (MRI), som scanner indersiden af ​​kroppen i indviklede detaljer, men disse scanninger kan være en lang og ubehagelig oplevelse for patienter, da det kræver dem At ligge stille i maskinen i op til 45 minutter. Ved at bruge en algoritme udviklet hos MIT's Research Laboratory of Electronics, kan scanningstider sænkes til kun 15 minutter.

MR-scannere bruger stærke magnetfelter og radiobølger til at erhverve flere billeder af en og samme kropsdel, der hver især er designet til at skabe en kontrast mellem forskellige typer væv. Radiologer er i stand til at opdage subtile abnormiteter, såsom en udviklende tumor, ved at sammenligne multiple billeder af samme region og undersøge variationerne i kontrast af de forskellige vævstyper. Proceduren for at tage flere scanninger i de samme regioner er imidlertid tidskrævende, hvilket resulterer i, at patienterne bruger længere tid i maskinen.

Lederforfatter Elfar Adalsteinsson, lektor i elektroteknik og datalogi og sundhedsvidenskab og teknologi samt Vivek Goyal, Esther og Harold E. Edgerton Karriereudvikling Lektor i Elektroteknologi og Computer Science har udviklet en algoritme, der kan øge hastigheden hurtigere MR-scanningsprocessen. Papiret, der beskriver algoritmen, vil blive offentliggjort i tidsskriftet Magnetisk resonans i medicin .

Ved at bruge oplysninger opnået fra den første kontrastsøgning kan algoritmen producere efterfølgende billeder uden at skulle starte scanneren fra bunden hver gang den producerer et andet billede fra de rå data, da den allerede har en grundplan til at arbejde fra. Dette forkorter den tid, der kræves for at erhverve hver senere scanning, betydeligt.

Ved at kigge efter funktioner, der er almindelige i alle forskellige scanninger, såsom den grundlæggende anatomiske struktur, er softwaren i stand til at oprette denne disposition. Algoritmen bruger især den første scanning til at forudsige den sandsynlige placering af grænserne mellem forskellige vævstyper i de efterfølgende kontrastskanninger.

Adalsteinsson forklarer:

"Hvis maskinen tager en scanning af din hjerne, vil hovedet ikke flytte fra et billede til det næste, så hvis scanning nummer to allerede ved, hvor dit hoved er, så tager det ikke lang tid at producere billedet som Når dataene skulle erhverves fra bunden til den første scanning.

I betragtning af dataene fra en kontrast giver det dig en vis sandsynlighed for, at en bestemt kant, siger periferien af ​​hjernen eller kanterne, der begrænser forskellige rum i hjernen, vil være på samme sted. "

Ifølge Goyal kan algoritmen ikke overføre for meget information fra den første scanning til efterfølgende scanninger, fordi det ville risikere at miste de unikke vævsfunktioner afsløret af de forskellige kontraster.

Goyal forklarer:

"Du vil ikke forudsætte for meget. Så du antager f.eks. Ikke, at det lyse og mørke mønster fra et billede vil blive replikeret i det næste billede, for i virkeligheden er de slags mørke og lyse mønstre Ofte vendes, og kan afsløre helt forskellige vævsegenskaber."

Første forfatter Berkin Bilgic præciserer, at algoritmen derfor beregner for hver enkelt pixel hvilke nye oplysninger der kræves til konstruktion af billedet, og hvilke oplysninger, for eksempel kanterne af forskellige vævstyper, det kan tage fra de foregående scanninger. Som følge heraf bliver MRI-scanninger meget hurtigere gennemført og kan sænke den tid, patienterne skal bruge i maskinen fra 45 til kun 15 minutter. Bilgic indrømmer, at den hurtigere scanning har en lille indflydelse på billedkvaliteten, men det er langt bedre end konkurrerende algoritmer.

Forskerne arbejder for tiden på at forbedre algoritmen yderligere, så de rå billeddata kan behandles meget hurtigere i et sidste billede, der kan analyseres af klinikere, når patienterne har forladt MR-scanneren. Standard computerprocessorer tager betydeligt længere tid for det sidste trin at konvertere rådata til et sidste billede end konventionelle MR-scanninger, men forskerne er optimistiske, at de er i stand til at reducere tiden til det samme tidspunkt, som kræves ved konventionelle MR-scanninger ved at udnytte de seneste fremskridt i Computer hardware fra spilbranchen.

Adalsteinsson kommenterer:

"Grafiske behandlingsenheder eller GPU'er er størrelsesordener hurtigere ved bestemte beregningsopgaver end generelle processorer, ligesom den specifikke beregningsopgave, vi har brug for til denne algoritme." Han tilføjer, at en studerende på laboratoriet i øjeblikket arbejder på at implementere algoritmen på en dedikeret GPU.

Mere præcise diagnoser med High Definition MR-skanning (Video Medicinsk Og Professionel 2024).

Afsnit Spørgsmål På Medicin: Medicinsk praksis