Tehnografi.com - Технологические новости, обзоры и советы

Алгоритм машинного обучения, который ускоряет 3D-сканирование в 1000 раз

В двух докладах на предстоящей конференции исследователи Массачусетского технологического института описывают алгоритм машинного обучения, который может регистрировать сканы мозга и другие трехмерные изображения более чем в 1000 раз быстрее, используя новые методы обучения. Этот процесс обычно занимает несколько часов при сканировании с использованием традиционной системы, которая тщательно выравнивает каждый из потенциально миллиона пикселей в объединенных сканах.

Регистрация медицинских изображений — это метод, который включает наложение двух изображений, таких как снимки магнитно-резонансной томографии (МРТ), которые помогают очень детально проанализировать анатомические различия; например, можно легко обследовать пациента с опухолью головного мозга. Доктор наложит снимок мозга, сделанный несколько месяцев назад, на снимок, сделанный недавно, чтобы проанализировать небольшие изменения в развитии опухоли.

Тысячи изображений объединяются в пары и регистрируются в алгоритме; он получает информацию о том, как выравнивать изображения, и оценивает некоторые оптимальные параметры выравнивания. Он использует параметры для сопоставления всех пикселей одного изображения с другим, тем самым сокращая время на минуту, две или менее секунды, используя графический процессор с точностью, сравнимой с современными системами.

«Если вы сможете чему-то научиться из предыдущей регистрации изображений, вы сможете выполнить новую задачу гораздо быстрее и с той же точностью», — говорит соавтор обеих статей Гуха Балакришнан, аспирант кафедры компьютерных наук и искусственного интеллекта Массачусетского технологического института. Лаборатория (CSAIL) и факультет инженерных и компьютерных наук (EECS). На конференции на этой неделе будет представлен доклад о компьютерном зрении и распознавании образов (CVPR), а в сентябре он пройдет в Центре вычислений медицинских изображений и компьютерной помощи. Конференция по вмешательствам (MICCAI).

МРТ

Алгоритм машинного обучения MIT в основном основан на многочисленных 2D-изображениях, которые складываются в массивные 3D-изображения, называемые «объемами», которые могут содержать более миллиона 3D-пикселей, известных как «вокселы». Предполагается, что согласование всех вокселей первого тома с вокселами второго тома потребует много времени.

У вас есть два разных изображения двух разных мозгов, вы накладываете их друг на друга и начинаете шевелить одно, пока одно не подойдет к другому. – Далка, старший автор статьи CVPR и ведущий автор статьи MICCAI

Далка считает, что эта процедура требует много времени, поскольку оптимизация занимает много времени. Этот процесс становится особенно медленным при анализе сканирований больших групп населения.

В статье CVPR исследователи обучили свой алгоритм на 7000 общедоступных МРТ-сканах мозга, а затем протестировали его на 250 дополнительных сканах. Было обнаружено, что алгоритм мог точно зарегистрировать все 250 тестовых сканирований мозга в течение двух минут с использованием традиционного центрального процессора и менее чем за одну секунду с помощью графического процессора.

Технологии уже давно помогают человеческим жизням, и это еще раз доказывает это, поскольку Далка говорит, что хирурги потенциально могут регистрировать результаты сканирования практически в реальном времени, получая гораздо более четкую картину своего прогресса. Наложение изображений во время операции невозможно, поскольку это может занять много часов, но при наличии технологии это может сделать это возможным.

Table of Contents