Технологии биовизуализации – это глаза, которые позволяют врачам заглядывать внутрь тела, чтобы диагностировать, лечить и контролировать заболевание. Гэ Ван, заслуженный профессор биомедицинской инженерии в Политехническом институте Ренсселера, получил значительное признание за то, что посвятил свои исследования соединению этих технологий визуализации с искусственным интеллектом в целях повышения квалификации врачей "зрение."
В исследовании, опубликованном сегодня в журнале Patterns, группа инженеров под руководством Вана продемонстрировала, как алгоритм глубокого обучения может быть применен к обычной компьютерной томографии (КТ) для получения изображений, которые обычно требуют более высокого уровня технологии визуализации, известной как двойное сканирование. -энергетическая КТ.
Вэньсян Конг, научный сотрудник Rensselaer, является первым автором этой статьи. К Ван и Конгу присоединились соавторы из Shanghai First-Imaging Tech и исследователи из GE Research.
"Мы надеемся, что этот метод поможет извлечь больше информации из обычного рентгеновского компьютерного томографа с одним спектром, сделать его более количественным и улучшить диагностику," сказал Ван, который также является директором Центра биомедицинской визуализации в Центре биотехнологии и междисциплинарных исследований (CBIS) в Ренсселере.
Обычные компьютерные томографии дают изображения, которые показывают форму тканей внутри тела, но они не дают врачам достаточной информации о составе этих тканей. Даже с йодом и другими контрастными веществами, которые используются, чтобы помочь врачам различать мягкие ткани и сосудистую сеть, трудно различить тонкие структуры.
Технология более высокого уровня, называемая двухэнергетической КТ, собирает два набора данных для создания изображений, которые показывают как форму ткани, так и информацию о составе ткани. Однако этот подход к визуализации часто требует более высокой дозы облучения и является более дорогостоящим из-за необходимости в дополнительном оборудовании.
"При традиционной КТ вы получаете изображение в оттенках серого, а при двухэнергетической КТ вы получаете изображение с двумя цветами," Ван сказал. "С помощью глубокого обучения мы пытаемся использовать стандартную машину для работы с двухэнергетической компьютерной томографией."
В этом исследовании Ван и его команда продемонстрировали, как их нейронная сеть может создавать более сложные изображения, используя данные компьютерной томографии с одним спектром. Исследователи использовали изображения, полученные с помощью двухэнергетической компьютерной томографии, для обучения своей модели и обнаружили, что она способна производить высококачественные аппроксимации с относительной погрешностью менее 2%.
"Опыт профессора Ван и его команды в области биовизуализации дает врачам и хирургам «новые глаза» на диагностику и лечение заболеваний," сказал Дипак Вашишт, директор CBIS. "Это исследование является ярким примером партнерства, необходимого для персонализации и решения постоянных проблем со здоровьем человека."