深度学习解决方案如何极速进行脑部MRI图像对比？

为了衡量手术是否成功，脑外科医生通常会对比术前和术后的MRI扫描图，以确定肿瘤是否被成功切除。由于对比过程非常耗时，如果在手术进行中做MRI扫描，医生将不得不通过肉眼对比扫描图的差异。但其实大脑在手术期间已经发生了变化，这样一来，扫描图对比起来则更加困难。

更快速的MRI扫描图对比方法可以帮助医生更好地治疗脑瘤。为此，麻省理工学院的研究人员开发出了一种深度学习解决方案，可以在一秒钟内对脑部MRI扫描图进行对比。

该方案可以帮助外科医生在手术期间对比术中MRI图像，从而近乎实时地判断手术是否成功。此外，肿瘤学家也可以利用这种方法对比患者数月前或数年前的MRI扫描图，以快速分析肿瘤治疗方案的效果。

像素极速对齐

如果要对比两张MRI扫描图，机器学习算法需要将原3D扫描图的像素与另一张扫描图中对应位置的像素进行逐一比较。这项工作并不轻松，使用目前最先进的算法也需要两个小时才能对齐脑部扫描图的像素。

这个过程太过漫长，所以对于正在进行的手术来说，并不具有实用意义。此外，如果需要分析成千上万张的扫描图，这种速度也是不切实际的。

“对于图像中的每个像素，传统算法都需要在另一张图像中找到与之对应的大概位置。两者的解剖结构在对应的位置也是相同的。这些算法要进行多次迭代。” 该研究主要研究员、麻省理工学院博士后Guha Balakrishnan说道。

使用神经网络则可以加速这个过程，因为其中增加了学习功能。研究人员开发的无监督式算法名为VoxelMorph，可以学习未被标记的MRI扫描图对，快速识别出大脑结构和功能区，并匹配图像。他们使用了NVIDIA GPU进行推理，对齐一组扫描图的像素只需要一秒钟的时间，而使用CPU时则需要一分钟之久。

研究人员在训练神经网络时使用了一种被称为“atlas-based registration”的方法，并利用了来自公共来源的含有大约7000张MRI扫描图的多样化数据集。该过程将每张训练图像与一张MRI参考扫描图（一张理想的或一般的图像，即“atlas”）进行对齐。

该团队目前正在与马萨诸塞州综合医院（Massachusetts General Hospital）合作，对其数据库中的数百万张扫描图进行回顾性研究。

“过去需要耗时两天才能完成的实验现在只需要几秒钟，”麻省理工学院博士后研究员、该研究合著者 Adrian Dalca 说道，“这为研究开启了一个崭新的世界，像素对齐技术只是其中的一小步。”

发掘更多应用潜力

研究人员正在努力完善深度学习模型的性能，让其能够处理含有噪点的低质量扫描图。这是在临床环境中运用扫描图像素对齐技术的关键。

研究数据集中包含的扫描图质量良好、画质清晰，但需要患者在MRI机器中等待很久才能获得。“但是，如果患者中风，就需要尽快扫描出图像， 这种情况下得到的扫描图的质量则完全不同。” Dalca 说道。

该团队将于今年秋季在医学影像分析领域顶级会议MICCAI上发表一篇新论文。同时，Balakrishnan正在开发一种针对目前算法的变体，该算法将使用半监督式学习，将少量标记数据与未标记的训练数据集相结合。他发现该模型可以将神经网络的准确度提高8％，使其性能高于传统的慢速算法。

Balakrishnan表示，除了脑部扫描外，这种像素对齐解决方案还可用于其他医学图像，如心脏和肺部CT扫描，甚至是噪点极多的超声波扫描。“我觉得在某种程度上，它的应用潜力是无限的。”