Нейромережа MIT прискорює обробку зображень МРТ у 1000 разів

Нейромережа MIT прискорює обробку зображень МРТ у 1000 разів

Лікарі часто потребують порівняння двох зображень МРТ для відстеження змін у організмі з часом, але процес виведення зображень для точних вимірювань є надзвичайно трудомістким. Комп'ютер може потребувати декілька годин, щоб вони відповідали усім розташуванням на 3D-карті, але дослідники з MIT розробили алгоритм, який дозволить скоротити цей час менше, ніж на секунду.

Сканування МРТ є складним для керування через те, скільки інформації вони містять. Кожне сканування - це, по суті, сотні складеного 2D-зображення. Вони утворюють 3D-карту, відома як гучність. Гучність складається з 3D-пікселів, відомих як вокселі. Коли комп'ютер вирівнює дві різні сканування МРТ, він просіює через мільйони вокселів, щоб призначити їх розташування новому уніфікованому зображенню. Сканування може також походити з різних машин з різними просторовими властивостями, що сповільнює роботу ще більше.

Кілька годин обчислювального часу вважається непоганим для аналізу МРТ. Дослідники, які намагаються проаналізувати дані від великих популяцій у кількох пацієнтів з однією і тією ж хворобою, може призвести до очікування сотні годин комп'ютера для створення вирівняних зображень. Просто кидаючи більше обчислювальної потужності на проблему не є практично, але система "VoxelMorph" від дослідників MIT може зробити трюк.

VoxelMorph - це свертональная нейронна мережа, тому команда розпочала тренінг із 7000 загальнодоступних сканерів мозку на МРТ. У нейронній мережі ви додаєте дані на одному кінці, і мережа передає її через численні вузли, які подають вперед на інші вузли. Залежно від вагового коефіцієнта кожного вузла, ви отримаєте вихід, який повинен забезпечити бажані результати. VoxelMorph дізнався про загальні групи вокселів та анатомічних форм.

Нейромережа MIT прискорює обробку зображень МРТ у 1000 разів

Після тренування команда використовувала 250 нових сканування для перевірки ефективності мережі. VoxelMorph завершив через дві хвилини те, що зробив би звичайну програму аналізу МРТ через кілька годин. Це просто з звичайним центральним процесором. Коли VoxelMorph запускається на графічному процесорі, процес займає менше секунди. Якщо ви будували машину для обробки зображень МРТ, ви, ймовірно, налаштували це для запуску обчислень на GPU.

Отже, ми дійсно пішли від годин до миттєвого. Команда пропонує це може змінити спосіб, до якого лікарі виконують деякі операції. Під час хірургічного втручання може бути здійснено нове сканування та аналіз зображень у реальному часі. Система також може працювати на інших типах сканування 3D з додатковим навчанням.

Читати далі

OpenAI «DALL-E» генерує зображення з текстових описів
OpenAI «DALL-E» генерує зображення з текстових описів

Все, що вам потрібно зробити, - це дати DALL-E деякі вказівки, і він може намалювати для вас зображення. Іноді візуалізація трохи краща, ніж малювання пальцями, але інколи це вражаюче точні зображення.

Надзвичайно швидкий сонячний зонд НАСА повертає дивовижне зображення Венери
Надзвичайно швидкий сонячний зонд НАСА повертає дивовижне зображення Венери

За даними NASA, Паркер помітив невидиме раніше сяйво, яке могло бути продуктом кисню в негостинній атмосфері планети. Несподівана чіткість поверхневих особливостей також змушує вчених переоцінити, наскільки чутливі камери Паркера.

Нове зображення супермасивної чорної діри показує закручені магнітні поля
Нове зображення супермасивної чорної діри показує закручені магнітні поля

Телескоп горизонту події дав нам знаковий образ 2019 року чорної діри, перший коли-небудь вироблений. Тепер команда провела нові спостереження над магістральною чорною дірою в центрі галактики M87, виявляючи лінії магнітного поля навколо порожнечі.

Нові зображення Юпітера від Juno Probe показують дивовижний подробиць
Нові зображення Юпітера від Juno Probe показують дивовижний подробиць

У парі нещодавно випущених зображень ви можете побачити безпрецедентну кількість деталей у хмарах Юпітера, і вони обидва були створені вченими громадян.