磁共振@解决磁共振检查中最棘手的成像问题,全流程 AI 磁共振技术平台「智简 AI」落地


近年来 , 人工智能(AI)技术的急速发展给医学成像领域带来重大影响 。 不过 , 相对CT、X线摄影系统等成像设备 , 由于成像原理、成像过程以及影像处理的复杂性 , AI技术在磁共振成像(MRI)领域的发展和应用一直相对滞后 。
要知道 , 从影像发展的技术来说 , 从一百年前的X光 , 再到CT、再到磁共振 , 专家能看到的信息越来越多 , X光是二维的 , CT是三维的 , 磁共振能看到功能信息 , 看得越多也意味着人眼处理的信息量越大 。 与此同时 , 一直以来 , 磁共振领域在AI技术研发上聚焦在两个方面:
其一 , 磁共振流程智能化——也被称为磁共振AI的1.0时代 , 比如自动识别解剖部位、自动连续扫描等;
其二 , 图像重建后处理环节的多种智能分析和辅助诊断(磁共振AI2.0时代) , 如结构与功能成像的多模态融合 , 可帮助提升图像处理效率 , 提供更详细的影像诊断信息 。
但问题是 , 磁共振技术发展关键挑战在于成像过程 。 根据东部战区总医院医学影像科主任、中华医学会放射分会副主任委员卢光明的解释 , 磁共振拥有多维的数据、不同的序列 , 同样的结构、同样的病变 , 在不同的序列上有不同的信号特点 , 所以这是非常大的挑战 , 如何把多维度的信息匹配起来 , 进行病变的分析 , 慢慢去增加是个很大的挑战 。
【磁共振@解决磁共振检查中最棘手的成像问题,全流程 AI 磁共振技术平台「智简 AI」落地】GE医疗全球磁共振研发团队就曾给出数据指出 , 磁共振检查中70%时间被成像过程占据 , 且一半的磁共振图像会有伪影 。 这些问题不仅带来磁共振检查速度、流通量的弊端 , 成像伪影更是让图像质量和精准度难以突破 , 直接影响医生诊断 。
举例来说 , 临床磁共振检查中会遇到一些由于身体器官的自然蠕动或者无法抑制的动作而导致的运动伪影 , 如腹部扫描时的肠道蠕动 , 颈椎扫描时患者自然的吞咽动作等 。 这些成像伪影 , 会导致医生无法根据图像进行诊断 , 需要进行二次重复扫描 , 或者需要患者重新预约检查 。 临床实践数据显示 , 20%左右的磁共振检查会由于运动伪影问题而导致扫描失败 。
如GE医疗中国副总裁&医疗影像业务总经理陈金雷所言 , 目前 , 针对于磁共振影像的人工智能研究和技术 , 大多数局限在扫描流程的优化和图像后处理的辅助诊断 , "而我们希望的是AI不仅能够在数据采集、重建、后处理的成像链全周期可以有人工智能 , 更希望临床端的检查、诊断和结构化报告等等 , 在下游的全周期应用也能够全面智能化 , 从而让磁共振、人工智能能够形成突破 , 更好地服务于临床 。 "
为此 , GE医疗推出了成像端基于深度神经网络算法构建的"全流程人工智能磁共振技术平台——"智简AI" , 想解决磁共振领域最为挑战的成像效率问题 。 日前 , GE医疗中国向业界正式发布了其最新成果 , 要开启磁共振的第一个AI3.0时代 。
磁共振@解决磁共振检查中最棘手的成像问题,全流程 AI 磁共振技术平台「智简 AI」落地
本文插图
据悉 , "智简AI"技术是GE医疗整合全球资源、历经三年研发、累计10万例原始影像图学习后的最新创新成果 , 在影像成像前端核心环节即实现了AI深度神经网络算法 , 意在从成像源头去除伪影 , 进行前端图像优化 , 提升磁共振成像效率 , 降低重复扫描带来的经济效益损失 。
根据陈金雷的介绍 , 该"智简"AI平台希望能够全流程地解决困扰MR成像最为棘手的速度问题 , 同时从数据的源头进行图像质量的大幅度提升 , 优化临床的工作流程 , 提高影像诊断信息的辅助手段 , 并将其有效整合 。
据介绍 , 智简AI平台将率先在1.5T磁共振产品SIGNATMCreator(以下简称"全流程AI磁共振Creator")上使用 , 应用于保有量基数更大的应用场景 。
具体来说 , 智简AI平台运用了深度神经网络算法 , 通过对超过10万例磁共振原始图像数据的学习 , 可以在成像过程中对每个线圈单元采集到的原始数据进行特征提取 , 对噪声、伪影信息进行识别处理 , 第一时间将数据中的噪声等杂质剔除 , 以获得高质量的原始图像数据;而在图像重建优化过程中 , 也基于AI算法抑制图像伪影 , 提升图像信噪比 , 让成像速度大幅提高 。