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.