人工智能與輻射劑量和高質(zhì)量成像結(jié)果的圣杯

放射學(xué)研究人員花費(fèi)了無(wú)數(shù)小時(shí)來(lái)尋求一種減少劑量的技術(shù)，該技術(shù)可提供高質(zhì)量的圖像，同時(shí)仍盡可能限制患者對(duì)電離輻射的照射。根據(jù)發(fā)表在《放射學(xué)院學(xué)報(bào)》上的一項(xiàng)新分析，人工智能可以為成像專(zhuān)家提供解決此問(wèn)題的完美解決方案：基于深度學(xué)習(xí)的算法。

波士頓馬薩諸塞州總醫(yī)院DNB的醫(yī)學(xué)博士Avinash Kambadakone解釋說(shuō)：“傳統(tǒng)上，濾波后的投影一直以來(lái)都是CT圖像重建的領(lǐng)先算法，因?yàn)橹亟〞r(shí)間短且計(jì)算效率高，可以在患者掃描期間進(jìn)行實(shí)時(shí)圖像重建。”“但是，在低劑量環(huán)境中和身體習(xí)慣較大的患者中，由于較高的圖像噪聲和光束硬化偽影，圖像質(zhì)量會(huì)下降。這導(dǎo)致了迭代重建(IR)算法的開(kāi)發(fā)，該算法以迭代方式依賴(lài)于非線(xiàn)性運(yùn)算。”

但是，IR算法并不總是有效的。Kambadakone解釋說(shuō)，它們有時(shí)還與專(zhuān)家不喜歡的“斑點(diǎn)”，“人造”外觀(guān)相關(guān)聯(lián)，并且在某些情況下(例如低對(duì)比度的任務(wù))，IR減少輻射劑量的能力“受到限制”。

這就是AI出現(xiàn)的原因。研究人員發(fā)現(xiàn)，基于深度學(xué)習(xí)的算法具有在高圖像質(zhì)量和低輻射劑量之間達(dá)到完美平衡的能力。Kambadakone描述的一種AI方法涉及“使用基于圖像空間的重構(gòu)來(lái)訓(xùn)練具有低劑量CT圖像的卷積神經(jīng)網(wǎng)絡(luò)，以重建標(biāo)準(zhǔn)劑量CT圖像。”另一項(xiàng)技術(shù)要求實(shí)現(xiàn)“使用基于深度學(xué)習(xí)的方法在IR算法中更復(fù)雜的功能”。

到目前為止，這種方法已被證明是非常有效的，而Kambadakone將早期結(jié)果描述為“有希望的”。但是，他指出，現(xiàn)階段仍然顯然需要進(jìn)行更多的研究。研究人員必須小心;在沒(méi)有適當(dāng)驗(yàn)證的情況下采用這些技術(shù)前進(jìn)將是一個(gè)重大錯(cuò)誤。

Kambadakone總結(jié)說(shuō)：“盡管減少輻射劑量是必不可少的，但必須確保CT掃描的診斷性能以及放射醫(yī)師自信地回答相關(guān)臨床問(wèn)題的能力不受影響。”“在圖像重建中使用AI為在低輻射劑量下實(shí)現(xiàn)高圖像質(zhì)量的圣杯提供了寶貴的機(jī)會(huì)，而超低劑量亞毫毫米CT掃描時(shí)代可能不是遙不可及的夢(mèng)想。”