МРТ сканирования позвоночника, которые были реконструированы с помощью алгоритма глубокого обучения, по качеству не уступают результатам обычного МРТ исследования, в то же время глубокое машинное обучение позволяет сократить время исследования на 50%.
Результаты разработанных методов использования искусственного интеллекта позволят устранить некоторые недостатки МРТ, которые включают такие, как длительность времени сбора данных, низкая пропускная способность, высокая стоимость, дискомфорт для пациента и артефакты движений.
Существует несколько способов сократить время, необходимое для выполнения сканирования, например, изменение параметров сбора данных, уменьшение k-пространства или уменьшение матрицы фазового кодирования, но потом необходимо восстановить их для получения качественного изображения. И для решения этого вопроса, как нельзя, подходит использование алгоритмов ИИ.
Как было показано в исследовании, качественные ускоренные изображения удается восстанавливать с помощью алгоритмов реконструкции изображений с глубоким обучением на основе ИИ.
Для исследования ученые использовали программное обеспечение сверточной нейронной сети под названием SubtleMR от Subtle Medical. Программа была обучена с помощью использования изображений как с низким, так и с высоким разрешением из данных МРТ из различных клиник, сканеров, ограничений визуализации и показаний. В группу исследования было включено 43 пациента, которым в 2020 г. были выполнены бесконтрастные МРТ-исследования шейного, грудного или поясничного отделов с ускорением; эти данные были объединены с 55 традиционными МРТ-обследованиями, что дало 98 наборов изображений. Два радиолога проанализировали все МР-исследования и оценили их по стандартному набору диагностических критериев и наличию артефактов.
Проведенное исследование показало, что ускоренный протокол с использованием глубокого обучения позволил сократить длительность сканирования на 40-50%. Кроме того, МРТ-сканирования с использованием ИИ по качеству не уступали традиционным. Более 98% МР-исследований с глубоким обучением показали четкие изображения костных и мягко-тканных структур.
Результаты исследования могут значительно улучшить комфорт для пациента во время проведения сканирования, так как использование ИИ позволяет значительно снизить длительность нахождения пациента внутри сканера в неподвижном состоянии.
