本文来自微信民众号：学术头条（ID：SciTouTiao），编审：王新凯，题图来自：视觉中国

你应该看到过这种情形：各大医院中，核磁共振（MRI）检查室门口总是坐满了排队的人。甚至在许多三甲医院预约一个MRI需要等一周以上。

而造成令人头疼的排队问题的缘故原由是庞大的，例如不是所有的医院都有财力设置MRI仪器，这就导致了大量的病人集中到焦点医院中。而进一步加重这种情形的缘故原由是因为：MRI所需的时间相对于其他的检查手段来说是异常长的。

MRI通常是诊断器官、肌肉和其他软组织问题的最佳工具。然则，即使是当前市面上最好最先进的仪器也需要至少20分钟的时间来网络需要的数据。而且在扫描时，有些类型的组织是在不停运动的，以是需要很长时间才气天生的图像有时会过于模糊，无法发挥作用。

这就要求在检查的历程中，病人要只管保持静止状态。这对任何的病人来说都是一个难题的事情，而对于儿童、老人及重病的人来说更是难上加难。

固然医生需要快速获得疾病的信息时，他们也会选择使用其他检测方式，例如X射线和CT扫描，它们的速率要比MRI快许多。然则，对于许多疾病的检查中，MRI可以出现比其他两种检测方式更多的细节，它是很难被替换的。因此若何让MRI用更短的时间出现出医生需要的效果，缩短病人的等待时间和确诊时间，一直是研究人员致力于解决的问题。

两年前，Facebook的AI研究人员与纽约大学Langone Health链接的医生和医学影像专家互助，希望通过AI手艺，解决了这一问题，他们给这种手艺起名为fastMRI。

现在，这种手艺可以到达，让AI从网络到的四分之一的原始数据中，自己建立完整的图像。也就是说，若是完整的检查需要20分钟，那么行使这个手艺，病人只需要躺着仪器中5分钟，fastMRI 就可以通过这五分钟网络到的数据，自己建立出一个完整的图像。这比传统的 MRI 快了四倍。

经由两年的起劲，Facebook和纽约大学Langone Health的这项fastMRI设计已经到达了一个主要的里程碑。一项即将揭晓在American Journal of Roentgenology上的新临床研究首次解释，fastMRI图像与通俗MRI的图像是可以交换的，该研究专门针对膝盖扫描，研究人员现在正在起劲将效果扩展到身体的其他部位。

AI与MRI的连系

要领会fastMRI的方式，首先回首一下MRI的事情原理是有辅助的。

为了建立需要审查的图像，MRI使用磁场与身体软组织和主要器官中的氢原子相互作用。这些原子然后发出电磁信号，就像灯塔一样，指示原子在身体的什么位置。这些信号被扫描仪网络为一连串单独的二维频率丈量，即所谓的k空间数据。

一旦所有数据最终网络完毕，系统就会将一个庞大的数学公式—逆傅里叶变换—应用到该原始k空间数据中，以建立膝关节、背部或大脑或身体其他区域的详细MR图像。若是没有一套完整的数据点，数学无法准确地指出每个信号的泉源。

fastMRI团队使用了一种完全差别的方式来建立图像，这种方式需要的原始数据要少得多。研究人员建立了一个神经网络，并使用世界上最大的膝关节MRI开源数据集对其举行训练，该数据集由纽约大学Langone Health建立和共享，并作为fastMRI设计的一部分。

fastMRI研究团队删除了每次扫描中约莫四分之三的原始数据，然后将剩余的信息输入到AI模子中。然后，该模子学会了从有限的数据中天生完整的图像。主要的是，AI天生的图像并不只是看起来像通俗的MRI，它天生的图像与尺度的MRI历程建立的地面真实图像相匹配。

打个譬喻就是，AI把一个1000块拼图中的250块拼图拿出来，然后靠自己的能力天生了整个图像，这不是模拟不是看起来像，而是可以做到和盒子上显示的完整拼图完全匹配。

fastMRI的方式与其他将人工智能用于医学的实验差别。通常这些算法的目的是像医生一样，自动审查医学图像，试图发现潜在的问题。但fastMRI并没有试图成为一个医生，它只是一个工具，来从希罕的信息中创造出一个完整的图像，从而缩短 MRI 的时间。

为每一个需要MRI的病人节约名贵的时间

fastMRI背后的研究人员必须确保他们的模子在追求速率的历程中不会牺牲准确性。仅仅是图像中的几个缺失或不正确的建模点，就可能意味着找到撕裂的韧带或可能的肿瘤，并给患者一个不正确的全清晰的讲述之间的差异。

即将揭晓在American Journal of Roentgenology上的临床研究解释，fastMRI的AI模子确实能够天生与尺度MRI一样准确、有用、可靠的图像。研究解释，fastMRI可以天生 “可诊断交换 ”的膝关节损伤MRI图像，而扫描机的原始数据使用量却减少了75%左右。介入研究的专家放射科医生无法将AI加速的图像与传统图像区分开来。

fastMRI只需要安装在现有MRI机械上即可使用，这也大大提高了该手艺的推广可能。

fastMRI现在的临床研究是向前迈出的异常主要的一步，但它可以有更多的生长空间。接下来，Facebook人工智能和纽约大学Langone的研究人员希望证实，fastMRI对其他主要器官，如大脑，也同样有用。

FastMRI还在GitHub宣布了它的数据、模子和代码，以便其他研究人员可以在他们的事情基础上，孝敬新的想法。fastMRI团队希望这种开放的方式能够加速这项手艺的希望，并带来使用fastMRI扫描的新突破。

更主要的是， MRI制造商现在就可以自由地公然的数据，用他们的机械测试fastMRI，并将由此带来的优势迅速带给患者。

对于fastMRI来说，另有更多的事情要做。但很快有一天，AI加速的MRI 可能会造福全球数百万人。

参考资料：
https://www.ajronline.org/doi/abs/10.2214/AJR.20.23313
https://ai.facebook.com/blog/fastmri-breakthrough-shows-ai-accelerated-mris-interchangeable-with-slow-traditional-mris
https://about.fb.com/news/2020/08/how-ai-is-accelerating-mri-scans/

https://www.theverge.com/2020/8/18/21373335/faster-mri-scans-ai-machine-learning-facebook-nyu-research-clinical-study

本文来自微信民众号：学术头条（ID：SciTouTiao），编审：王新凯