""

澳门太阳城网站-最新注册

  • 随着他们的模型,能够产生研究者点播大脑不同年龄段的扫描模板(如图)可以在医疗图像分析来指导疾病的诊断。

    随着他们的模型,能够产生研究者点播大脑不同年龄段的扫描模板(如图)可以在医疗图像分析来指导疾病的诊断。

    研究人员礼貌形象

    全屏

用于生产医用图像分析更好的向导

随着他们的模型,能够产生研究者点播大脑不同年龄段的扫描模板(如图)可以在医疗图像分析来指导疾病的诊断。

快速模式脑部扫描模板生成表示特定的患者群体。 看视频


记者联系

艾比abaz要么ius
电子邮件: abbya@mit.edu
电话:617-253-2709
澳门太阳城最新网站新闻办公室

有无MIT的研究人员发明了一种方法,可以加速创建和自定义在医学图像分析中使用的模板,过程指导疾病的诊断。  

一个使用医学图像分析的是紧缩患者的医疗影像采集和结构关系的数据集可能表明疾病进展。在许多情况下,需要分析使用通用的模板图像,称为“地图集”,这是一个患者特定人群的平均表达。地图集作为比较的基准,例如以随着时间的推移确定在脑结构临床显著变化。

构建模板是一个费时,费力的过程,需要数天或数周经常产生,尤其是当使用3D脑部扫描。为了节省时间,下载可公开获得的研究者通常地图集以前的研究组所产生。但那些不完全捕捉单个数据集或特定亚群,如与新的疾病或幼儿的多样性。最终,图册不能被映射到图像顺利离群,产生较差的结果。

在一份文件在12月对神经信息处理系统的会议呈现,自动机械,研究人员描述了一种学习模式,其基于特定病人的属性,如年龄,性别和疾病“有条件”的图册。通过从在整个数据集利用共享信息,该模型也合成来自患者亚群的图谱可被完全数据集中缺少的。

“世界需要更多的图册,”第一作者阿德里安Dalca,在哈佛医学院和马萨诸塞州总医院的计算机科学和人工智能实验室(CSAIL),现在一名教师在放射学前博士后说。 “地图集是核心,许多医学图像分析。 ESTA方法可以建立很多更多的人,并建立有条件者也“。

在纸张上加入Dalca被玛丽安Rakic,在CSAIL客座研究员;约翰·加塔,该杜格尔德℃。计算机科学与电气工程和CSAIL的数据驱动的推论组组长的杰克逊教授;和梅特河康奈尔大学的Sabuncu。

地图集和同时对齐

传统的建筑方法的图集,运行在数据集中的所有图像冗长,反复的优化过程。他们一致,也就是说,所有的3D脑部扫描到初始的(通常模糊)图谱,并从对准扫描计算新的平均图像。他们重复ESTA迭代过程的所有图像。 ESTA,计算结束图谱最大限度地减少哪一个数据集中的所有扫描必须地图集变形相匹配的程度。 ESTA,如果没有足够的数据做了患者亚群的过程可能是复杂的和不精确的。

图谱映射到一个新的扫描生成一个“变形场,”表征两个图像之间的差别。捕获ESTA的结构变化,其然后可以被进一步分析。在大脑扫描,例如,可以是由于在疾病的不同阶段组织变性的结构变化。

在以前的工作,Dalca和其他研究人员开发了一种神经网络快速对齐这些图像。部分建筑图册,这有助于加快传统工艺。 “我们说,‘为什么我们不能有条件的编译的图册,同时学习对齐图像在同一时间?’”说Dalca。

这样做,两个神经网络相结合的研究人员:一个人学会的阿特拉斯自动网络在每次迭代,而另一个 - 改编自先前的研究 - 兼图谱图像在数据集中对齐。

在训练中,联合网络从编码具有期望属性的患者数据集馈送的随机图像。从,它估计的属性条件地图集。第二网络对齐估计与输入图像的地图,并产生变形场。

对于每个图像对产生的变形场用于训练一个“损失函数”,这有助于最小化从给定值的偏差的机器学习模型的组成部分。在此情况下,函数具体学习以最小化图谱,并且每个图像之间的教训距离。网络不断细化图谱顺利对准跨越给定数据集的任何图像。

点播地图集

最终的结果是多数民众赞成了解到如何具体属性,如年龄,关联到一个数据集的所有图像结构变化的功能。通过插入功能属性的新病人,它利用跨据悉合成按需图谱数据集中的所有信息 - 数据集中,即使该属性不存在或很少的数据。

有人想要一个脑图谱扫描从数据集从30岁到90例45岁女性患者的信息,但与年龄在40〜50的功能将分析如何在间脑的变化图案的妇女很少的数据30至90岁,并纳入对年龄和性别这存在什么小的数据。然后,它会产生最有代表性的阿特拉斯希望的女性的年龄。在他们的论文中,研究人员证实该函数生成不同年龄组的条件模板从15到90。

研究人员希望这种临床医生可以使用该模型来构建从​​他们拥有自己的地图册很快,潜在的小数据集。随着Dalca现在是在马萨诸塞州总医院的研究人员合作,例如,驾驭小儿脑扫描的数据集生成年幼的孩子,这是不可多得的条件地图集。

一个很大的梦想是建立一个功能,可以生成条件地图集对于任何人群,涵盖出生到90岁。研究人员可以登录网页,输入年龄,性别,疾病等参数,并获得按需条件地图集。 “那将是美好的,因为每个人都可以参考这个功能作为一个普遍性的单一参考图集”,Dalca说。

另一个潜在的应用是医疗成像超越运动训练。可能有人训练函数生成,比如说,一个网球选手的发球动作的地图集。然后玩家可以比较反对新地图集用来准确地看到他们不停适当的形式或当事情发生了错误。

“如果你看体育比赛,它的评论者说,通常,如果一个人的注意,他们从形式一次性相互比较被关闭,” Dalca说。 “但你能想象,它可能是远不止于此数量。”


主题: 研究, 计算机科学与技术, 算法, 成像, 机器学习, 卫生保健, 医学, 计算机科学和人工智能实验室(CSAIL), Electrical Engineering & Computer Science (eecs), 工程学院

回到顶部