当前位置: 主页>激光3D打印>3D扫描仪>

麻省理工的VoxelMorph机器学习算法为3D扫描提速1000倍

发布人:3D打印商情

责任编辑:激光制造商情

来源:3D打印商情译自3ders.org

2018-06-20 08:59

  医生每天都会使用医学图像配准来查看两次MRI扫描的差异。对于医学专家来说,医学图像配准是一个得力助手,可以随时对两次扫描中的解剖差异进行比较和分析。然而,由于传统系统必须逐个像素对齐扫描,而这个过程通常需要两个小时以上的时间。现在,麻省理工学院(MIT)的研究人员已经创建了一种机器学习算法,可以使用更新颖的学习技术,将脑部扫描和其他3D图像更快配准1000多倍。

  据《3D打印商情》了解,剑桥麻省理工学院的研究人员已经创建的机器学习算法命名为“VoxelMorph”。研究人员表示,该算法使得医学图像配准过程提速了1000倍以上,该项发现可能允许在手术过程中进行图像配准,外科医生可能会近乎实时地配准扫描图像,从而更清楚地了解手术进展情况。

麻省理工学院的机器学习算法,将脑部扫描与其他3D打描成像提速达1000多倍。

  他们称为“VoxelMorph”的算法,可以在配准数千对图像的同时学习,为每次扫描创建完美的对齐方式。在这一过程中,它会获取有关如何对齐图像和一些最优对齐参数等信息。然后,该算法使用它获得的参数,“将一个图像的所有像素同时映射到另一个图像”。这使得普通计算机将医学图像配准时间缩短为一两分钟,或使用GPU不到一秒钟。

  该项研究是该团队计划在6月18-22日在犹他州盐湖城举行的计算机视觉和模式识别会议(CVPR),以及9月16-20在西班牙格拉纳达举行的医学图像计算和计算机辅助干预会议(MICCAI)提交的两篇论文的一部分。

  两篇论文的共同作者、麻省理工学院计算机科学与人工智能实验室(CSAIL)和工程与计算机科学系(EECS)的研究生Guha Balakrishnan说:“当您对不同的脑部进行核磁共振成像时,其实对齐大脑核磁共振成像的任务并没有太多不同的地方。您应该能够掌握如何进行协调的信息。如果您能够从之前的图像配准中了解到某些内容,则可以更快更准确地完成新任务。”

  核磁共振成像扫描基本上是数百个叠加在一起的2D图像,形成一个巨大的单个3D图像。因此,将第一个体中的所有体素或像素与第二个体中的体素或像素对齐是非常耗时的。目前的算法也不能从每次扫描中学习。每次配准后,他们都会关闭与体素位置相关的所有数据。“基本上,他们又需要从头开始给一对新的图像进行配准,”Balakrishnan说,“在配准100次后,其实是可以从对齐中学到一些东西的,这就是我们所做的。”

  VoxelMorph由卷积神经网络(CNN)提供动力,它一直用于图像处理。为了训练VoxelMorph,该算法获得了7000次公开可用的MRI脑部扫描以供学习。之后,团队为系统提供250个额外的扫描来测试它。在训练过程中,脑扫描成对输入算法。使用CNN和被称为空间变换器的修改后的计算层,该方法捕获一次MRI扫描中的体素与另一次扫描中的体素的相似性。通过学习扫描,算法学习了用于计算优化参数的体素组,可以应用于任何扫描对。

  当VoxelMorph进行新的MRI脑扫描时,系统使用数学“函数”快速计算两次扫描中每个体素的完美对齐。该系统只需要一次评估即可处理图像。研究人员发现他们的算法可以在两分钟内,使用传统的中央处理单元精确记录所有250个新的脑部扫描,并在一秒钟内使用图形处理单元。

  重要的是,VoxelMorph是一种“无监督”算法,这意味着它不需要超出图像数据的附加信息。它还保证了配准的“平滑性”,因为它不会在合成图像中产生褶皱,空洞或一般变形。在17个大脑区域中,精确的VoxelMorph算法在一小部分时间内,被证明与常用的最先进的配准算法一样精确。  

  “眼下医生无法在手术过程中重叠图像,因为生成图像的过程需要两个小时。”两篇论文合著者之一的波士顿马萨诸塞州总医院的博士后研究生Adrian Dalca在同一篇新闻报道中说,“但是,如果这过程只需要一秒钟,那你可以想象,它将是可行的。”