ทำ MRI Scan เร็วขึ้น 4-8เท่า จากเดิม ด้วย AI
ทำMRI Scan เร็วขึ้น 4-8เท่า จากอุปกรณ์เดิม ได้อย่างไร มาดูสรุปในบทความ "งานวิจัย AI ด้านการแพทย์🩻"
ร่นระยะเวลาการตรวจร่างกายด้วย MRI ให้ระบบ AI ช่วยให้ทำภาพ MRI ให้สมบูรณ์และทำเร็วมากขึ้น จากหลักชั่วโมงเป็นไม่กี่นาที
"MLPED" Mahidol x "fastMRI" FacebookAi, NYU
MLPED Net Mahidol University x fastMRI FaceBook Ai NYU
ในบทความของงานวิจัย คณะ ICT ร่วมงานกับ Siriraj Radiology Department (SIRAD) ภาควิชารังสีวิทยา คณะแพทยศาสตร์ศิริราชพยาบาล, มหาวิทยาลัยมหิดล
ได้แนะนำการใช้ Multi-Level Pooling Encoder–Decoder Net (MLPED Net) ที่สร้างขึ้นสำหรับกระบวนการ MRI reconstruction ในการสร้างภาพสมบูรณ์ของ MRI (Magnetic Resonance Imaging)
Comparison MLPED Net x fastMRI
ที่เป็นปัญหาที่ท้าทายในกระบวนการที่เกิดจากความซับซ้อนของข้อมูลความถี่ต่ำและความถี่สูงที่ได้มาระหว่างการทำ MRI SCAN ด้วยเครื่อง MRI จากนั้นข้อมูลความถี่จะถูกแปลงกลับเพื่อสร้าง MR Image แต่ความถี่ที่ได้มานั้นไม่ได้รับทั้งหมดเนื่องจากกระบวนการเร่งความเร็วภายในเครื่อง MRI ดังนั้น กระบวนการแปลงจึงต้องใช้เทคนิคเพิ่มเติมเพื่อให้แน่ใจว่าภาพ MR สุดท้ายจะใกล้เคียงกับความเป็นจริงมากที่สุด
MLPED Net ที่นำเสนอในบทความ สามารถจัดการกับกระบวนการเปลี่ยนแปลงนี้ได้โดยใช้จุดแข็งของ Deep Neural Network โครงสร้างของ MLPED Net ขึ้นอยู่กับ Type of Netork ของ encoder–decoder ที่รู้จักกันดี ซึ่งทำงานได้ดีกับ reconstruction หรือ enhancement
นอกจากระบบ encoder–decoder แบบดั้งเดิมแล้ว MLPED Net ยังมี multi-layer pooling ระหว่าง encoder และ decoder โมดูล ในทุกเลเยอร์ ซึ่งช่วยให้ Network ที่สร้างขึ้น กำจัดข้อมูลที่ไม่เกี่ยวข้องและอาจส่งผลให้ Training Process ได้เร็วขึ้นด้วยขนาด Network ที่เล็กลงอย่างมากเมื่อเทียบกับ Network encoder decoder ที่มีอยู่ซึ่งมีขนาดใหญ่กว่า
เนื่องจากภาพ MR ที่สุ่มตัวอย่างมีสัญญาณรบกวน noise และ artifacts จำนวนมาก Network ที่สร้างขึ้นนี้สามารถกำจัดสัญญาณรบกวนได้อย่างมีประสิทธิภาพ และสามารถสร้างภาพผลลัพธ์ที่ดีขึ้นใหม่ได้ด้วย ผลของการทำ Reconstruction ด้วย Network ที่สร้างขึ้น บน multi-coil knee validation dataset มีประสิทธิภาพดีกว่า U-net baseline network ในทุกด้าน รวมถึง NMSE, PSNR และ SSIM จาก Reconstruction Image จะเห็นได้ว่าแม้แต่รายละเอียดเล็กๆ น้อยๆ ก็ยังดูคล้ายกับ ground truth images
สิ่งเหล่านี้แสดงให้เห็นถึงจุดแข็งของ MLPED Net ที่เสนอ ซึ่งสามารถเก็บรายละเอียดข้อมูล เล็กๆ น้อยๆ ซึ่งโดยปกติจะทำ Reconstruction ได้ยาก
Source. MRI Machine (MU SIPH)
บทความ "Multi-level pooling encoder–decoder convolution neural network for MRI reconstruction"
โดย
👨🏻💻Dr.Sarattha Karnjanapreechakorn
👨🏻💻Dr.Worapan Kusakunniran
👨🏻⚕️Dr.Thanongchai Siriapisith
👨🏻⚕️Dr.Pairash Saiviroonporn
More Info: https://peerj.com/articles/cs-934/
ผู้วิจัยได้ใช้ข้อมูลจาก โครงการ fastMRI เพื่อทดสอบ AI ที่พัฒนาขึ้น โดยโครงการดังกล่าวเป็นโครงการวิจัยที่ร่วมมือกันระหว่าง Facebook AI Research (FAIR) และ NYU Langone Health (https://fastmri.org) ที่ท้าทายให้นักวิจัยนานาชาติให้พัฒนาใช้ AI ในการช่วยให้ทำ MRI ได้เร็วมากขึ้น จากหลักชั่วโมงเป็นไม่กี่นาที หรือ เร็วขึ้นกว่า 10 เท่า
อีก 1 ผลงานตีพิมพ์ ตอกย้ำความสำเร็จ ของผลงานวิจัย การใช้ AI ช่วยให้ ร่นระยะเวลาการตรวจร่างกายด้วย MRI และทำให้ได้ภาพที่สมบูรณ์และทำเร็วมากขึ้น สำหรับส่งต่อให้แพทย์ใช้ในการวินิจฉัยต่อไป
Fast MRI reconstruction using StrainNet with dual-domain loss on spatial and frequency spaces
Journal: Intelligent Systems with Applications (ISWA)
by Worapan Kusakunniran , Sarattha Karnjanapreechakorn ,Thanongchai Siriapisith, and Pairash Saiviroonporn
*Faculty of Information and Communication Technology
*Department of Radiology, Faculty of Medicine Siriraj Hospital,
Mahidol University
Fast MRI reconstruction using StrainNet with dual-domain loss on spatial and frequency spaces
- 3
ดูเพิ่มเติมในซีรีส์
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
