為了衡量手術(shù)是否成功，腦外科醫(yī)生通常會(huì)對(duì)比術(shù)前和術(shù)后的MRI掃描圖，以確定腫瘤是否被成功切除。由于對(duì)比過(guò)程非常耗時(shí)，如果在手術(shù)進(jìn)行中做MRI掃描，醫(yī)生將不得不通過(guò)肉眼對(duì)比掃描圖的差異。但其實(shí)大腦在手術(shù)期間已經(jīng)發(fā)生了變化，這樣一來(lái)，掃描圖對(duì)比起來(lái)則更加困難。

更快速的MRI掃描圖對(duì)比方法可以幫助醫(yī)生更好地治療腦瘤。為此，麻省理工學(xué)院的研究人員開(kāi)發(fā)出了一種深度學(xué)習(xí)解決方案，可以在一秒鐘內(nèi)對(duì)腦部MRI掃描圖進(jìn)行對(duì)比。

該方案可以幫助外科醫(yī)生在手術(shù)期間對(duì)比術(shù)中MRI圖像，從而近乎實(shí)時(shí)地判斷手術(shù)是否成功。此外，腫瘤學(xué)家也可以利用這種方法對(duì)比患者數(shù)月前或數(shù)年前的MRI掃描圖，以快速分析腫瘤治療方案的效果。

像素極速對(duì)齊

如果要對(duì)比兩張MRI掃描圖，機(jī)器學(xué)習(xí)算法需要將原3D掃描圖的像素與另一張掃描圖中對(duì)應(yīng)位置的像素進(jìn)行逐一比較。這項(xiàng)工作并不輕松，使用目前最先進(jìn)的算法也需要兩個(gè)小時(shí)才能對(duì)齊腦部掃描圖的像素。

這個(gè)過(guò)程太過(guò)漫長(zhǎng)，所以對(duì)于正在進(jìn)行的手術(shù)來(lái)說(shuō)，并不具有實(shí)用意義。此外，如果需要分析成千上萬(wàn)張的掃描圖，這種速度也是不切實(shí)際的。

“對(duì)于圖像中的每個(gè)像素，傳統(tǒng)算法都需要在另一張圖像中找到與之對(duì)應(yīng)的大概位置。兩者的解剖結(jié)構(gòu)在對(duì)應(yīng)的位置也是相同的。這些算法要進(jìn)行多次迭代。” 該研究主要研究員、麻省理工學(xué)院博士后Guha Balakrishnan說(shuō)道。

使用神經(jīng)網(wǎng)絡(luò)則可以加速這個(gè)過(guò)程，因?yàn)槠渲性黾恿藢W(xué)習(xí)功能。研究人員開(kāi)發(fā)的無(wú)監(jiān)督式算法名為VoxelMorph，可以學(xué)習(xí)未被標(biāo)記的MRI掃描圖對(duì)，快速識(shí)別出大腦結(jié)構(gòu)和功能區(qū)，并匹配圖像。他們使用了NVIDIA GPU進(jìn)行推理，對(duì)齊一組掃描圖的像素只需要一秒鐘的時(shí)間，而使用CPU時(shí)則需要一分鐘之久。

研究人員在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)使用了一種被稱(chēng)為“atlas-based registration”的方法，并利用了來(lái)自公共來(lái)源的含有大約7000張MRI掃描圖的多樣化數(shù)據(jù)集。該過(guò)程將每張訓(xùn)練圖像與一張MRI參考掃描圖（一張理想的或一般的圖像，即“atlas”）進(jìn)行對(duì)齊。

該團(tuán)隊(duì)目前正在與馬薩諸塞州綜合醫(yī)院（Massachusetts General Hospital）合作，對(duì)其數(shù)據(jù)庫(kù)中的數(shù)百萬(wàn)張掃描圖進(jìn)行回顧性研究。

“過(guò)去需要耗時(shí)兩天才能完成的實(shí)驗(yàn)現(xiàn)在只需要幾秒鐘，”麻省理工學(xué)院博士后研究員、該研究合著者 Adrian Dalca 說(shuō)道，“這為研究開(kāi)啟了一個(gè)嶄新的世界，像素對(duì)齊技術(shù)只是其中的一小步?！?/p>

發(fā)掘更多應(yīng)用潛力

研究人員正在努力完善深度學(xué)習(xí)模型的性能，讓其能夠處理含有噪點(diǎn)的低質(zhì)量掃描圖。這是在臨床環(huán)境中運(yùn)用掃描圖像素對(duì)齊技術(shù)的關(guān)鍵。

研究數(shù)據(jù)集中包含的掃描圖質(zhì)量良好、畫(huà)質(zhì)清晰，但需要患者在MRI機(jī)器中等待很久才能獲得?！暗?，如果患者中風(fēng)，就需要盡快掃描出圖像， 這種情況下得到的掃描圖的質(zhì)量則完全不同。” Dalca 說(shuō)道。

該團(tuán)隊(duì)將于今年秋季在醫(yī)學(xué)影像分析領(lǐng)域頂級(jí)會(huì)議MICCAI上發(fā)表一篇新論文。同時(shí)，Balakrishnan正在開(kāi)發(fā)一種針對(duì)目前算法的變體，該算法將使用半監(jiān)督式學(xué)習(xí)，將少量標(biāo)記數(shù)據(jù)與未標(biāo)記的訓(xùn)練數(shù)據(jù)集相結(jié)合。他發(fā)現(xiàn)該模型可以將神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確度提高8％，使其性能高于傳統(tǒng)的慢速算法。

Balakrishnan表示，除了腦部掃描外，這種像素對(duì)齊解決方案還可用于其他醫(yī)學(xué)圖像，如心臟和肺部CT掃描，甚至是噪點(diǎn)極多的超聲波掃描?！拔矣X(jué)得在某種程度上，它的應(yīng)用潛力是無(wú)限的?！?/p>