利用人工智能将MRI（磁共振成像)扫描的速度提高10倍

Facebook人工智能实验室正在与纽约大学医学院合作，使用机器学习技术加快MRI（磁共振成像）扫描的速度。如果成功，以后5分钟内就能完成MRI检查。

Facebook 想要彻底改变 MRI 扫描。

Facebook 近日宣布与纽约大学医学院合作启动一个新的研究项目，旨在利用人工智能（AI）将 MRI（磁共振成像）扫描的速度提高 10 倍。该项目已经获得 10000 个临床病例的大约 300 万张匿名的 MRI 图像。

这个项目名为 fastMRI，是 Facebook 的 FAIR AI 研究实验室和纽约大学医学院放射学系之间的合作。

这是 Facebook 进军医疗领域的一次重大尝试，试图将其实验性的 AI 研究成果应用于现实世界的问题。如果这项工作取得成功，将使更多人能够使用 MRI 技术，扩大对这一关键诊断工具的访问。

MRI 检查仅需5分钟！或能代替X光和CT扫描

与其他形式的医学成像相比，MRI 扫描提供的图像通常能显示更多与软组织（如器官和血管）相关的细节。但 MRI 扫描所需时间更长，从 15 分钟到一个多小时不等，相比之下，拍 X 光片不到 1 秒就能结束，CT 扫描至多一分钟。

MRI 扫描时，患者需要一动不动地躺在一台巨大的圆筒状扫描舱里。这么长时间的扫描可能会让小孩子、幽闭恐惧症患者或无法久卧的人感到痛苦。此外，在许多地区 MRI 机器短缺，导致患者排期很长。通过提高 MRI 扫描仪的速度，可以让更多病人能够使用这些设备。

加速的 MRI 设备还可以减少病人在心脏、肝脏或腹部和其他器官成像时必须屏住呼吸的时间。提高速度可以让 MRI 机器在某些应用中充当 X 光机和 CT 机的角色，让病人避免与这些扫描相关的电离辐射。

这个项目最初将侧重于改变 MRI 机器的运作方式。目前，扫描仪通过一系列连续视图收集原始数字数据，并将数据转换成人体内部结构的横断面图像，然后医生用这些图像来评估病人的健康状况。要收集的数据集越大，扫描所需的时间就越长。

（L）在转换为图像之前的原始 MRI 数据。为了获得诊断研究所需的完整原始数据，MRI 扫描通常需要 15-60 分钟。（R）从完全采集的原始数据重建的膝关节 MRI 图像。

使用 AI 技术，需要捕获的数据更少，因此扫描速度更快，同时能够保留甚至增强 MRI 图像的丰富信息内容。

关键是要训练人工神经网络识别图像的底层结构，以便在加速的扫描中补充省略的视图。这种方法类似于人类处理感官信息的方式。当我们体验世界时，我们的大脑经常接收到的是不完整的画面——例如被遮挡或光线昏暗的物体——我们需要将其转化为可操作的信息。

纽约大学医学院的早期工作表明，人工神经网络可以完成这类任务，利用很少的数据生成高质量的图像。

在实践中，使用部分信息重建图像是一个非常困难的问题。神经网络必须要在不牺牲精度的前提下有效地弥补扫描数据的不足。少量的缺失或错误建模的像素就可能会导致 “一切正常” 或韧带撕裂或可能是肿瘤这些完全不同的结果。相反，在图像中捕获以前无法得到的信息可以真正地挽救生命。

（L）未充分采样的原始 MRI 数据。用于捕获这些数据的 MRI 扫描比用于捕获诊断研究的完整数据的扫描更快，但是未充分采样会在结果的 MRI 图像中产生噪声和伪影。（R）从子样本数据重建的膝盖 MRI 图像。fastMRI 项目旨在使用 AI 创建有用的 MRI 图像，没有像这里显示的噪声和伪影。

该项目中使用的成像数据集由纽约大学医学院的专门收集，包含 10000 个临床病例，大约 300 万个膝盖，脑和肝脏的 MRI 图像。

Facebook 表示，所有数据，包括图像和原始扫描数据，都完全删除了患者姓名一起其他受保护的健康信息，因此完全符合 HIPAA 隐私法规。用于该项目的 MRI 图像也已经清除了任何潜在的区别特征。同样，基于 AI 的重建与传统重建之间的性能比较也不会有任何识别信息，项目中不会使用任何类型的 Facebook 数据。

可推广到其他医疗成像应用

Facebook 称，他们的目标是彻底改变获取医学图像的方式，不仅仅是利用 AI 增强数据挖掘，而是为医学可视化创造新的能力，以造福人类健康。

Facebook 和纽约大学计划将这项工作开源，以使更广泛的研究社区能够在此基础上进一步研究。随着项目的进展，Facebook 将共享与这项研究相关的 AI 模型、baseline 和评估指标，纽约大学医学院将开放图像数据集。这将有助于确保工作的可重复性，并加速在临床实践中采用所得的方法。

虽然这个项目将主要集中在核磁共振成像技术，但它的长期影响可能扩展到其他医学成像应用。例如，AI 提供的改进也可能彻底改变 CT 扫描。先进的图像重建可以实现超低剂量 CT 扫描，从而适合于体弱人群，例如儿科患者。