ディープラーニングベースAIでMRIの血流を促進する方法を開発

June, 8, 2020, Zurich--イメージング技術は､心臓血管病の早期発見に役立つ｡とは言え､精密検査は､まだ非常に時間がかかる｡ETHとチューリッヒ大学の研究者は､血流の動的MRIを大幅に加速する方法を発表した｡

｢このイノベーションの結果､定量的磁気共鳴イメージング(MRI)は大幅に前進できる｣とバイオメディカルイメージング教授､Sebastian Kozerkeと話している｡同氏は､Valery VishnevskiyおよびJonas Walheimと共同で､4D flow MRIsを大幅に加速する方法を開発した｡

｢当面､4D flow MRIsの記録処理と後続処理は30分かかる｡われわれの結果は､将来的にこれが5分以内にできることを示している｣｡基本的な研究は､Nature Machine Intelligenceに発表された｡

磁気共鳴トモグラフィ(MRT or MRI) は､臨床診断の重要手法｡この方式を使って､組織や臓器などの柔らかな身体の部分を3D､ハイコントラストで表示できる｡さらに、特殊記録技術が､心臓血管系の動力学についての情報を提供する｡

特に､4D flow MRI計測は、血流の動的変化の定量化を可能にする｡そのような動的画像は非常に有用であり､特に心疾患の検出に役立つ｡

しかし､従来の4D flow MRIには大きな欠点がある｡その方法は､非常に時間がかかる｡今日､データ記録はMRIスキャナで4分以内に完了できる｡しかし､必要とされる圧縮センシングアプローチは､相当な時間がかかる｡後続の画像再建は、反復的であり、非常に長時間を必要とする｡医師は､画像がコンピュータに現れるまでに25分以上待たなければならない｡

したがって､計測結果は､医者が検査を終えてからずっと後になって利用できるようになる｡これは､4D flow MRIが､日常の医療行為で確立されていない理由である｡血流の変化は､現在は主に超音波で診断される｡迅速であるがMRIに比べてあまり正確ではない方法である｡

エレガントで効率的なアルゴリズム
　最新の論文で､ETHとチューリッヒ大学の研究者は､4D flow MRIの画像再建が､より迅速に､したがって実用的にできる方法を説明している｡｢そのソリューションは､ニューラルネットワークベースのエレガントな効率的アルゴリズムで構成されている｣とKozerkeは説明している｡

Vishnevskiy、KozerkeおよびWalheimは､その新しい方法をFlowVNと名付けた｡それは、マシンラーニング､ディープラーニングとして知られる技術をベースにしている｡ソフトウエアが､トレーニング段階に提供されたデータを通して学習する｡FlowVNを特別にしているのは､その効率である｡その方法は､トレーニングと､以前の計測知識を統合している｡

このことの意味は､数千のトレーニング例を必要とするのではなく､少ないデータをベースにして一般化ができると言うことである｡｢その結果、ネットワークは､非常に少ないトレーニングで信頼度の高い成果を提供できる｣とVishnevskiyは説明している｡

研究チームは､この方法が､最近発表された論文に示されたように機能することを実証できた｡チームは､健康な試験被検者の11 MRIスキャンを利用してそのソフトウエアを訓練した｡このデータは､患者の大動脈の病理学的血流を通常のコンピュータで正確に再現するためにわずか21秒で十分だった｡その方法は､従来法よりも何倍も高速であり､その上､優れて結果が得られる｡
　
臨床診断の進歩
｢われわれは､臨床診断でFlowVNの利用を推進していきたい｣とKozerkeは話している｡データは､この研究のためにオフラインで再建された｡研究チームにとって次のステップは､そのソフトウエアを臨床MRI装置にインストールすることである｡｢次に大規模な臨床患者研究を考えている｣(Kozerke)｡

追跡テストがKozerkeのチームによって得られた結果を確認すると､その方法はいずれ、日常的な医療行為に入っていく｡｢しかし､これが実現するまでに少なくとも4年か5年はかかる｣と同氏は見ている｡科学研究プロセスを促進するために､チームは､実行コードとデータ例をオープンソースとして利用できるようにし､他の研究者がその方法をテストし､再現できるようにした｡