FAIR & amp; NYU School of Medicine Teilen Sie fastMRI Tools; Geben Sie den bisher größten MRT-Datensatz

frei

Facebook AI Research (FAIR) und das Center for Advanced Imaging Innovation and Research (CAI2R) der New York University (NYU) haben heute bekannt gegeben, dass sie einen standardisierten Satz von AI-Tools und -Basislinien sowie MRT-Daten als Teil ihrer Daten teilen gemeinsames Forschungsprojekt fastMRI. Ziel ist es, die AI-gesteuerte Bildrekonstruktion zu nutzen, um die MRT-Scan-Zeiten um das Zehnfache zu verkürzen. Dies ist der erste groß angelegte MRT-Datensatz dieser Art und wird voraussichtlich als Benchmark für zukünftige Forschungen auf diesem Gebiet dienen.

2016 zeigte das Forschungsteam der NYU School of Medicine erstmals, dass maschinelles Lernen die Scandauer verkürzen kann, indem vollständige MR-Bilder aus Teildateneingaben generiert werden. In der Forschung sammelten MRT-Geräte eine Reihe einzelner räumlicher 2D-Messungen (k-Raum-Daten). Aus diesen weniger detaillierten anfänglichen Scans verwendeten neuronale Netze, die auf einer großen Menge von k-Raum-Daten trainiert wurden, eine AI-Bildrekonstruktionstechnik, um vollständige Bilder zu erzeugen, die einen Tumor, ein gebrochenes Blutgefäß oder ein anderes wichtiges diagnostisches Merkmal anzeigen können.

Die Forscher kamen zu dem Schluss, dass für den Prozess „viel weniger Messdaten erforderlich sind, um die Bilddetails zu erzeugen, die für die genaue Erkennung von Anomalien erforderlich sind.“

FastMRI hat die Hauptaufgabe, die diagnostische Bildgebungstechnologie zu verbessern und letztendlich den Zugang der Patienten zur lebensrettenden Technologie zu verbessern. Das Forschungsteam der FAIR und der NYU School of Medicine bietet auch Basismodelle für die ML-basierte Bildrekonstruktion aus k-Raum-Daten, die mit 4-facher und 8-facher Scan-Beschleunigung unterabgetastet wurden. Sie haben bereits vielversprechende vorläufige Ergebnisse für die bis zu vierfache Beschleunigung der MR-Bildgebung gesehen.

Die Veröffentlichung der größten Open-Source-Datenbank mit MR-Daten könnte eine große Rolle bei der Weiterentwicklung der Organisation und Beschleunigung der MR-Rekonstruktion und der damit verbundenen Arbeiten spielen. Die NYU School of Medicine hofft, einen Benchmark-fähigen Datensatz bereitstellen zu können, der dazu beitragen wird, die Herausforderung der Konsistenz zu bewältigen, die das neue Forschungsfeld der MR-Rekonstruktion beunruhigt hat.

Laut Ankündigung enthält die Erstveröffentlichung ungefähr 1,5 Millionen MRT-Bilder, die aus 10.000 Scans stammen, sowie rohe Messdaten aus fast 1.600 Scans. Das Team betont, dass der neue Datensatz wie bei anderen FastMRI-Projektdaten in enger Zusammenarbeit mit dem Internal Review Board der NYU Langone gesammelt wurde. Die NYU hat den Datensatz, einschließlich Metadaten und Bildinhalten, vollständig anonymisiert und „jedes einzelne DICOM-Bild (Digital Imaging and Communications in Medicine“ manuell auf unerwartet geschützte Gesundheitsinformationen überprüft “.

Weitere Informationen zur Zusammenarbeit zwischen FAIR und der NYU School of Medicine sowie zum fastMRI-Datensatz finden Sie unter FBCode.

Autor: Jessie Geng | Herausgeber : Michael Sarazen

2018 Fortune Global 500 Public Company AI-Anpassungsbericht ist erschienen!
Kaufen Sie einen Kindle- formatierter Bericht über Amazon .
Beantragen Sie das Insight-Partnerprogramm , um einen kostenlosen vollständigen PDF-Bericht zu erhalten.

Folgen Sie uns auf Twitter @Synced_Global für tägliche KI-Nachrichten!

Wir wissen, dass Sie keine Geschichten verpassen möchten. Abonnieren Sie unsere beliebte wöchentlich synchronisierte globale KI , um wöchentlich zu werden KI-Updates.