麻省理工学院VoxelMorph机器学习算法让3D扫描速度提高1000倍
时间：2018-06-19 22:25 来源：中国3D打印网 作者：中国3D打印网 阅读：次
麻省理工学院的研究人员描述了一种机器学习算法，该算法可以使用新颖的学习技术，将脑部扫描和其他3D图像更快 （来源：MIT媒体实验室）
医生每天都会使用医学图像来查看两次MRI扫描的差异。对于医学专家来说，这是一个有价值的助手，可以随时对两次扫描中的解剖差异进行比较和分析。然而，这个过程通常可能需要两个小时或更长的时间，因为传统系统必须逐个像素地对齐扫描。现在，麻省理工学院的研究人员已经创建了一种机器学习算法，可以使用新颖的学习技术，将脑部扫描和其他3D图像更快。
该团队的研究是计划在6月18日至22日在犹他州盐湖城举行的计算机视觉和模式识别（CVPR）会议以及医学图像计算和计算机辅助干预会议（MICCAI）9月16日提交的两篇论文。“两篇论文的合作者，麻省理工学院计算机科学与人工智能实验室的研究生Guha Balakrishnan说：”在对齐一对脑部MRI或其他脑部MRI时，对齐脑部MRI的任务应该不同。 你应该能够掌握如何进行协调的信息。如果您能够从之前的图像中了解到某些内容，则可以更快更准确地完成新任务。“
核磁共振成像扫描基本上是数百个叠加在一起的2D图像，形成一个巨大的单个3D图像。因此，将第一个体中的所有体素或像素与第二个体中的体素或像素对齐是非常耗时的。目前的算法也不能从每次扫描中学习。每次注册后，他们都会关闭与体素位置相关的所有数据。基本上，他们从头开始给一对新的图像。”Balakrishnan说。 “在注册100次后，你应该从对齐中学到一些东西。这就是我们所利用的。“
VoxelMorph由卷积神经网络（CNN）提供动力，它一直用于图像处理。为了训练VoxelMorph，该算法获得了7000次公开可用的MRI脑部扫描以供学习。之后，团队为系统提供250个额外的扫描来测试它。在训练过程中，脑扫描成对输入算法。使用CNN和被称为空间变换器的修改后的计算层，该方法捕获一次MRI扫描中的体素与另一次扫描中的体素的相似性。通过学习扫描，算法学习了有关用于计算可应用于任何扫描对的优化参数的体素组。
当VoxelMorph进行新的MRI脑扫描时，系统使用数学“函数”快速计算两次扫描中每个体素的完美对齐。该系统只需要一次评估即可处理图像。研究人员发现他们的算法可以在两分钟内使用传统的中央处理单元精确记录所有250个新的脑部扫描，并在一秒钟内使用图形处理单元。重要的是，VoxelMorph是一种“无监督”算法，这意味着它不需要超出图像数据的附加信息。它还保证了注册“平滑性”，因为它不会在合成图像中产生褶皱，空洞或一般变形。在17个大脑区域中，精确的VoxelMorph算法在一小部分时间内被证明与常用的最先进的配准算法一样精确。
中国3D打印网译自：3ders.org
(责任编辑：admin)
纳米纤维涂层管状支架骨再
中美合作团队《Science》
内燃机增材再制造修复技术
高性能金属激光增材制造装
西安交大与哈佛大学合作研
仿真技术与3D打印推动液压最新内容
科学家使用超声波热点内容
