FastMRI发布了大规模的具有里程碑意义的MR数据集

　　2018年，Facebook人工智能研究公司与纽约大学朗格尼大学放射学系合作的FastMRI发布了大规模的具有里程碑意义的MR数据集，并计划最终通过人工智能（AI）为其提供支持并显着提高MR扫描速度。任务完成。

　　发表在《美国放射学杂志》上的新研究表明，该团队的AI生成的MR扫描与传统MR一样有效。如果由放射科实施，新模型可以帮助消除幼儿，老人和其他患者在传统扫描过程中经常遇到的一些问题，例如时间长，幽闭恐惧症和需要使用镇静剂。

　　“这项研究是迈向AI加速MR扫描临床接受和利用的重要一步，因为它首次证明AI生成的图像在外观上与标准的临床MR检查基本没有区别，并且在诊断准确性方面可以互换，纽约大学Langone放射学教授，主要研究作者Michael P. Recht在新闻稿中说。“这标志着我们如何改善患者体验和创建图像的方式发生了令人振奋的变化。”

　　这个开源项目包括来自10，000次扫描的150万个未识别的MR膝盖图像以及来自1，600次扫描的原始测量数据，研究人员从中建立了一个神经网络并对其进行了训练。这包括重建底层图像结构遗漏的视图，类似于人们插入感官信息的方式。

　　MR是用于人体软组织的金标准成像技术。但是，它的主要局限性在于考试所花费的时间，”纽约大学放射学副教授兼人工智能副主席Yvonne W. Lui博士在团队的早期研究中告诉HCB News。

　　现在，在AI的帮助下，获得高质量的医学图像所需的数据要少得多，这意味着可以更快地执行扫描，而不会影响诊断准确性。实际上，消除了用于创建扫描的原始数据的75%。

　　FastMRI还显示了捕获以前遗漏的信息的潜力，这将改善患者的预后。研究表明，放射检查中的错误率约为30%，日常放射实践中的实时错误平均为3%至5%，并且在所有针对放射科医生的医疗事故索赔中，将近75%与诊断错误有关。