社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

深至团队制造全球最低场强磁共振系统,于Nature重磅发布,0.05T+深度学习,运用计算影像学打开全球移动级磁共振设备新局面

DeepTech深科技 • 3 年前 • 815 次点击  


庞大的身躯、昂贵的价格成为磁共振设备走进更多医院、触达更多患者的 “绊脚石”。2020 年经济合作与发展组织 (OECD) 统计数字显示,全球共有约 6.5 万台核磁共振扫描仪,而这一数字仅为 CT 扫描仪数量的约 1/3,超声设备的 4%。


近年来,在人工智能技术的推动下,磁共振正在踏入全新的时代,设备实现高性能、移动级、智能化的同时,更重要的是带来设备的加速普及。


2020 年,美国 Hyperfine 公司推出便携式 MRI 设备开启 POC 磁共振时代标志。同年深至科技亦在同领域中开始发力。美东时间 12 月 14 日,深至科技科学家、香港大学博士领衔研发的低成本、可移动 0.05T 超低场脑部核磁共振扫描系统的研究论文 Nature Communications 上发表,并初步证明了该系统在临床中诊断脑肿瘤和脑卒中的可行性,具有用于临床对患者进行床旁脑成像的潜力,该论文标题为 “A low-cost and shielding-free ultra-low-fifield brain MRI scanner”。


(来源:Nature Communications


相比目前临床普遍使用的 1.5T 或 3T 场强磁共振扫描仪,T<0.1 的超低场强 (ultra-low-field, ULF) 磁共振扫描对应的是小巧的设备、较低的成本和功耗、以及无需电磁 / 射频屏蔽的工作环境,可以实现在放射科以外科室以及急救、ICU 等场景中使用,显然已经成为 MRI 技术创新的主流方向之一。


深至科技告诉生辉,“更低的场强将意味着更低的价格和更轻的设备,而且在 AI 的加持之下,生成的图像质量也将符合临床诊断标准”。


据研究团队估算,若投入规模化生产,该系统成本将可控制在 2 万美元以内而传统 MRI 设备的价格在 100-300 万美元之间。

AI 计算影像学 + 磁共振物理学,解决 MRI 系统研发两大问题


从核磁共振现象发现到磁共振成像技术成熟,关于核磁共振的研究在物理学、化学、生理学或医学三个领域中共获得 6 次诺贝尔奖。相应的,在临床诊断和科研当中,MRI 也极大地推动了医学、神经生理学、认知神经科学的迅速发展。


对于磁共振成像设备来说,其工作的核心要素 —— 磁场越强,生成的图像清晰度也就越高,这也是磁共振厂商过去多年来一直追求更高场强设备的原因。但另一方面,越高场强下的磁共振扫描对应的也是更庞大的设备,以及更昂贵的价格。


从磁共振扫描仪的构造出发,要实现设备的高性能、移动级、智能化,需将大体积的磁体和屏蔽系统从设备中 “移除”。


为解决这两大根本问题此次研究中,研究团队选用永久磁铁钐钴 (SmCo) 作为设备的主磁体,相比常用于永磁扫描仪中常用的 NdFeB,SmCo 的温度稳定性较高,无需温度调节即可实现磁场稳定性的保持。如此,便为实现 MRI 设备小型化奠定了基础。


据论文描述,在搭建便携式 MRI 系统时,研究人员采用 95.2*70.6*49.7cm 尺寸的永久磁铁钐钴 (SmCo),占地约 2 平方米


超低场 MRI 扫描仪原型机(来源:深至科技)


实现 MRI 设备的 “瘦身” 只是第一步,磁共振设备的低场强将带来一系列问题,如信号收集量的限制、生成图像质量低、系统稳定性差等。


作为评价磁共振仪器性能的关键指标之一,磁场均匀性和稳定性对生成图像的质量、分辨率产生直接影响。“在该系统的研发中,我们通过计算影像学 AI技术在硬件以及软件层面对这些问题进行了解决。”


其中,对于磁共振扫描工作过程中面临的电磁干扰、图像质量低等问题,该团队开发了一种深度学习驱动的电磁干扰消除方案,可以使得该设备摆脱射频屏蔽笼,在普通病房中进行 MRI 检查,并稳定输出高质量、符合临床诊断标准的图像。



具体而言,该团队将 10 个电磁干扰感应线圈放置于扫描仪周围,使这些线圈在无任何其他射频干扰的情况下作为 “唯一” 的 “噪音源” 对扫描仪进行 “干扰”,然后构建卷积神经网络(CNN)模型对该环境下的电磁干扰进行采集和学习,再训练成像系统在图像构建之前将干扰信号去除,便可得到消除电磁干扰后的 “纯净” 高质量磁共振图像。


该团队表示,通过上述深度学习的方式对 MRI 成像系统进行训练后,即使处于电磁干扰环境中,系统也能以一种高度可靠且稳定地方式将干扰信号剔除,生成图像与在屏蔽环境下获得的图像质量相当。与在射频屏蔽环境下获得的图像信噪比相当。


“我们最核心的能力是将计算影像学 AI 技术深度贯穿整个磁共振扫描系统,从系统搭建到生成图像以及系统的操作使用,也正是因为这一能力的运用,才实现了高性能、移动级、智能化的系统。”


对于该系统在实际应用中的可行性,团队将其设计的 0.05T MRI 系统对 25 名脑部肿瘤 / 脑部创伤患者进行扫描诊断,并与 3T MRI 系统的扫描结果进行对比,结果显示,0.05T 系统可识别出患者的关键病变。


图 | 0.05T 与 3T MRI 对临床肿瘤及创伤患者的检查对比(来源:论文)

深度融合 AI 技术,制造高性能、移动级、智能化医学影像设备,打造软硬件一体化高性能 AI 医学影像解决方案


对于成立之初便瞄准医疗影像设备高性能、移动级、智能化的深至科技,正在覆盖更多的传统医疗影像设备逐步实现从头 “再造”。


此前,深至科技已推出其首款产品 ——AI 超声设备,实现了在全国 5000 多家基层医疗机构的智能筛查项目中的应用,并与美年大健康、华润集团、石药控股集团、阿斯利康等医疗生态企业达成深度合作。


现在,深至科技正在进行高性能、移动级、智能化的 MRI 设备布局。“正如已推出的 AI 超声设备一样,深至科技将打造更聪明的磁共振扫描仪,整个系统的操作方法将智能化、简单化,让非放射科医生也可以轻松使用。”


从 AI 超声到便携式磁共振的布局,深至科技始终在践行其 Healthcare for everyone” 的愿景:


将团队多年积累的 AI 技术经验深度整合到医疗影像系统中,实现仪器设备高性能、移动级、智能化,让传统医疗影像设备 “降三高”—— 制造成本高、学习成本高、使用成本高,覆盖基层医疗场景的疾病筛查


据介绍,深至科技团队的目标是建立一个高性能人工智能计算影像平台针对尖端医疗影像设备提供通用型底层算法定制硬件的解决方案,为医院、医疗机构提供高性能、移动级、智能化的诊断工具。


据透露,深至科技目前已有 3 款通用型超低场强磁共振设备正在同步研发,计划明年公开亮相并推出相应产品。



参考资料:

https://doi.org/10.1038/s41467-021-27317-1



【往期】

复现AlphaFold2?丨完全开源丨专访深势科技

外泌体疗法丨成立即获亿元融资丨专访唯思尔康

新式「内源肿瘤疫苗」丨专访丨百迈生物

独家专访丨默克丨液体活检是分子诊断未来

miRNA下半场丨小核酸药物丨专访

光遗传学丨蓝光临床应用丨王汉杰

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/124695