人工智能可能有助于减少在MRI钆剂

研究人员利用人工智能来降低造影剂的剂量可能留在人体核磁共振检查后,根据一项研究被呈现的年会今天在北美放射学会(RSNA)。

钆是重金属用于对比材料,提高核磁共振图像。最近的研究发现,微量的金属留在人的身体经历了考试与某些类型的钆。这种沉积的影响尚不可知,但放射科医生主动优化工作患者安全同时保留gadolinium-enhanced MRI扫描提供的重要信息。

“有确凿证据,钆存款在大脑和身体,”研究报告的主要作者说Enhao锣,博士,加州斯坦福大学,斯坦福大学的研究员。“虽然这个尚不清楚的含义,减轻病人潜在的风险,同时最大化MRI检查的临床价值势在必行。”

龚博士和他的同事们在斯坦福大学学习深度学习为实现这一目标的一种方式。深度学习是一个复杂的人工智能技术,教电脑的例子。通过使用模型称为卷积神经网络,电脑不仅可以识别的图片还可以找到图像数据之间的细微差别,人类观察者可能无法辨别的能力。

训练深入学习算法研究人员使用,图像从200年收到了对比度增强MRI检查的患者对各种各样的迹象。他们收集了三组图片为每个病人:造影扫描,对比之前做管理和被称为0剂量扫描;低剂量扫描,后获得10%的标准剂量钆管理;和最大剂量扫描,后获得100%的剂量管理。

学会了近似算法完全不从0剂量和低剂量扫描图像。神经放射然后评估图像对比度增强和整体质量。

结果表明,低剂量之间的图像质量没有明显不同,algorithm-enhanced先生图像和足量,增强对比度图像先生。最初的结果也证明了创造潜力相当于足量,增强对比度图像先生没有任何对比剂使用。

这些发现说明方法的潜力大大减少钆剂在不牺牲质量诊断,根据龚博士。

“低剂量钆图片产生大量未开发的临床有用的信息,现在可以通过使用深度学习和AI,”他说。

现在,研究人员已经表明该方法在技术上是可行的,他们想要进一步研究它在临床设置,在龚博士认为它最终将找到一个家。

未来的研究将包括评估算法在更大范围的核磁共振扫描仪和不同类型的造影剂。

“我们不是要取代现有的成像技术,”龚博士说。“我们试图改进它,从现有信息生成更多的价值而寻找我们的病人的安全。”