2016年02月18日 星期四 23:57:08

掌握大中華市場脈動.亞洲專業華文生技產業月刊

MIT新演算法 分析3D掃描影像快1000倍

2018/6/22 整理/編輯部

圖片及參考資料來源:https://goo.gl/TaEXN6

圖片及參考資料來源:https://goo.gl/TaEXN6

MIT最新發表了一項名為VoxelMorph的演算法,在保證精度的同時,讓3D醫療影像的掃描對比流程快了1000倍。新的方法或許可以讓外科醫生們在進行手術的同時,獲得掃描圖像的實時輔助。

醫療圖像對位(Medical image registration)是一種常見的圖像覆蓋對比技術,例如兩張核磁共振掃描圖像,可以透過覆蓋來對比分析解剖學上的不同點。例如醫生可以透過對比幾個月前的腦部掃描圖與近期的掃描圖,來分析癌症發展的微小變化。但是,這一過程通常需花費兩個小時或者更多的時間,就像傳統的系統,要細緻地對齊聯合掃描中大概百萬個像素中的每一個。

MIT的研究人員發表了一項新的機器學習演算法,能夠以超過1000倍的速度,對位腦部掃描圖片和其他3D圖像。 17 個腦區域中,精簡的 VoxelMorph 算法與常規業內最佳對位算法準確度相當,同時還具有實時和方法學上的優勢。

研究人員指出,過去的方法在每次對位之後,就丟棄了先前的和體素(voxel,體積像素)定位相關的所有數據,每次分析都是從零開始。而研究團隊針對這點做了改變,從對位模式中學習,並將該演算法稱之為「VoxelMorph」,以卷積神經網絡(Convolutional Neural Networks, CNN)為基礎架構。

透過機器學習,來對位數千張圖像。在訓練中,算法會獲得關於對齊圖像和估計最優對齊的參數訊息。當訓練完成,算法將使用這些參數將圖像的所有像素同時映射到另一張圖像。

使得運算速度在使用一台普通計算機的情況下,可以將對位時間減少到12分鐘,或者使用GPU,在1秒內便可獲得與當前最佳系統相媲美的準確度。

研究人員利用7000張公開可用的MRI腦掃描影像,訓練他們的演算法,並在250張額外的掃描圖像上測試算法。訓練過程,腦掃描圖像會成對饋送到演算法,並使用CNN和稱之為空間轉換(spatial transformer)的修正計算層,捕捉一次MRI腦掃描中的體素與另一次掃描中體素的相似性。

這樣的訓練讓演算法可以學習體素組的訊息,例如兩份掃描中共有的解剖形狀。此外,這樣的體素組訊息同樣可以用來計算應用於任意掃描對的優化參數。

當饋送了兩次新的掃描時,一個簡單的數學「函數」將使用這些優化的參數快速計算兩次掃描中每個體素的準確對齊。簡而言之,算法的CNN組件在訓練過程中獲得了必要的訊息,因此在每一個對位過程中,都可以使用簡單的可計算函數執行。

此外,該演算法還保證了對位的「平滑性」,這意味著它不會在合成圖像中產生褶皺、孔洞或扭曲。

研究團隊表示,如此快速的醫療影像演算法可以幫助外科醫生以近乎實時的對位掃描,更清晰地瞭解手術進展。「今天,醫生們在手術進行當中看不到當前掃描圖像,因為出圖可能需要兩個小時,但手術不能停止。如果新技術能讓這個過程快速到一秒鐘,你可以想象美好的事情就會發生。」

研究人員表示,快速演算法在分析大腦掃描之外,還有廣泛的應用前景,該團隊還正在研究肺部圖像的處理算法。

文章分類 科學要聞

發表迴響

Copyright© 2019 環球生技投資股份有限公司. All rights reserved.

讀者服務電話:(02)2726-1065  時間:週一 ~ 週五 9:00 ~ 18:00

服務信箱:service@gbimonthly.com

地址:110臺北市信義區松德路161號2樓之3, Taiwan