MIT开发了一种神经网络可以在一秒内完成MRI扫描

麻省理工学院的研究人员表示，他们已经开发出了一种能够在不到一秒钟内处理磁共振图像的算法，这对于医疗行业来说将是一项至关重要的进展。

目前，医生需要对比两个在不同时间单独拍摄MRI扫描图像，以追踪人体随着时间推移发生的变化。但是，进行这种对比是既复杂又耗时的，因为这个过程需要仔细排列这两个图像以便进行准确测量。医生需要将图像上的所有位置处理为3-D图，而当前的计算机需要花费很多时间来完成此操作。

MRI扫描的问题在于其中包含的信息量。基本上每个图像都是由数百个彼此叠置的二维图像组成的，以创建一个立体的3-D图，反过来又构成了被称为体素的三维像素。当对比两个MRI扫描图的时候，计算机必须对数百万体素进行排序，以确定它们在一个新的、统一图像中的位置。

由于这个过程需要几个小时才能完成，因此如果有大量图像要处理的话，医生就不得不等上数百个小时。麻省理工学院的研究人员说，使用具有更强处理能力的计算机是不切实际的，所以他们创建了一个名为“VoxelMorph”的新卷积神经网络，并称其更适合完成这项任务。

麻省理工学院的研究人员使用更多的7000个公开可用的人脑MRI扫描图来训练VoxelMorph。像VoxelMorph这样的神经网络将数据推入前端，然后通过多个节点传递给其他节点来加速对比的过程。同时，这个神经网络也会学习不同的常见体素组合及其解剖形状。

MIT News报道称：“这种方法使用CNN和被称为空间变换器的改进计算层，找出一个MRI扫描中的体素与其他扫描中的体素之间的相似性。在这个过程中，算法会学习关于体素组的信息——例如两个扫描之间共有的解剖形状——用于计算可应用于任何扫描对的优化参数。”

在这种训练之后，麻省理工学院的研究人员向VoxelMorph输入了250个新扫描图，以测试其有效性。该算法在两分钟内完成了这些扫描的处理，相比之下传统MRI分析程序需要大量时间。该测试使用常规的CPU，不过当研究人员使用GPU的时候，这个过程仅用了一秒钟时间。

麻省理工学院的研究小组表示，VoxelMorph在医疗领域有着显著应用，甚至可以改变医生进行某种手术的方式。例如，可以在操作过程中创建最新的扫描并将这些图像用于实时分析。