小编发现不少朋友对于 Facebook使用人工智能加速MRI扫描的工作 这方面的信息都比较感兴趣，小编就针对 Facebook使用人工智能加速MRI扫描的工作 整理了一些相关方面的信息 在这里分享给大家。

吉娜·贾瓦拉(Gina Ciavarra)坐在曼哈顿纽约大学朗格健康中心的一间黑暗房间里。这是一个阅览室，像她这样的放射线医生可以检查X射线和MRI扫描的空间。她前面的监视器显示了身份不明的患者膝盖的灰度图像，并且在其中，她检测到一个关键问题：ACL撕裂。恰瓦拉解释说：“这绝对是异常的。”

但是，除了扫描骨骼，韧带，脂肪，软骨和肌腱的漩涡以检查眼泪或关节炎等问题外，Ciavarra还必须做出另一项评估。这种特殊的膝盖扫描是由人工智能创建的，还是以传统方式从MRI机器中产生的?她不确定地说：“我的直觉说这是AI。” “看起来有点模糊。”

Ciavarra和她的NYU同事参加了一项研究，该研究将AI创建的扫描质量与传统扫描进行了对比。通过将人工智能与MRI机器配合使用，计算机科学家和放射学家认为，它们可以大大加快普通医学检查的速度，这对患者和医院都是一个福音。这可能意味着将十分钟的膝盖扫描减少到五分钟，或者将一小时的心脏扫描减少到半小时。这还可以节省医院的钱，并减少麻醉可能难以保持的儿科患者的需要。

纽约大学现在准备将该研究提交给学术研究，这项研究是两个奇怪的研究员之间的项目的一部分：纽约大学医学院和Facebook。该合作伙伴关系由Facebook人工智能研究部门发起，并于一年多前宣布，其目标很简单：使用AI来开发快速而高质量的MRI扫描，有朝一日可以使繁忙的医疗中心照料更多的人，而这个国家很少资源，以便更好地利用他们拥有的设备，老年人，年轻人和幽闭恐惧症患者可以在狭窄而响亮的电磁管中花费更少的时间。

以这种方式使用AI的结果是，在创建使医生能够深入了解人体的图像时，它所需的信息比公认的方法(称为傅立叶逆变换)要少得多。“在MRI中，我们获取了一定数量的数据，然后使用重建方法来创建图像，” NYU Langone Health放射科主任Michael Recht说。“但是事实证明，我们收集的数据总是比我们可能需要的更多。” 可以将它想象成是一辆省油的汽车，取代了耗油的旧车：新算法需要更少的数据，更少的测量数据才能达到与MRI机器相同的距离(或在这种情况下，获得正确的图像)。

FAIR的研究科学家Larry Zitnick解释说，要让放射科医生或外科医生获得所需的情报(要使该实验获得成功，就必须使AI产生的图像选中两个框)。首先，它必须是准确的：错过韧带撕裂或发明实际上不存在的东西的漂亮扫描可能既无用又危险。其次，“放射科医生必须喜欢这种图像，”齐特尼克说。当像Ciavarra的医生在黑暗的阅览室里呆着几个小时盯着扫描仪时，他们需要清晰而又轻松的照片。

但是，要获得一种算法来解释这种经过测试的机器所产生的信息并不是一件容易的事。为了训练AI软件正确地将频率数据旋转成图像，Facebook团队表示，他们使用来自真实MRI扫描的信息尝试了约1,000种不同的模型变体。他们提供了算法的原始信息，并向其显示了相应的图像，以帮助神经网络(软件工程师可以训练它们执行不同任务(例如识别照片中的内容)的通用机器学习工具)生成正确的图像。

Facebook开发出该模型后，就不得不对鹰眼专家进行盲目测试。像Ciavarra这样的NYU放射科医生回顾了AI产生的膝关节扫描，他们采用了老式的方法来查看是否可以从两者中获得相同的诊断信息。然后他们不得不猜测是哪个。该团队无需对患者进行两次扫描(较慢的常规方法和更快的AI驱动方法)，而是追溯性地从常规扫描中剥离了一些原始数据，以模拟机器运行得更快的样子。

Zitnick还指出，他的工作人员在AI生成的图像中添加了一些噪点，以使其看起来更逼真，并避免将手伸向医生。他说：“您将其调整得恰到好处，然后放射线医师突然很难辨别哪个是来自AI的，而哪个不是，这是因为您要拿走那里的一个提示。” (他说，增加的噪声不会影响扫描的诊断价值。)

通常，当您听到有关AI和放射学的知识时，该算法正在分析图像，而不是像在Facebook-NYU项目中那样创建图像。杜克大学副教授Maciej Mazurowski说：“我认为这是一个非常令人兴奋且重要的研究方向。” 他专注于放射学和AI，但并未参与MRI研究。“这与大多数放射学AI研究不同。” 例如，马祖罗夫斯基(Mazurowski)已使用神经网络在超声扫描中评估人甲状腺上的结节。其他研究集中在利用机器学习来查找胸部图像中的结核等问题。

Facebook表示，它将公开发布其AI-MRI算法，以便希望以更快的速度运行机器并利用人工智能将数据解释为图像的目标的其他研究人员可以这样做。Mazurowski说：“由于MRI扫描仪价格昂贵且经常被备份，因此在诊所中的影响可能是巨大的。” 但是，将AI注入流程中存在一些潜在的风险。例如，一种算法可能会发明出实际上不存在的问题(工件)。Mazurowski说，更重要的是，更大的担忧是它可能忽略了实际问题，这意味着放射科医生永远不会注意到ACL撕裂。

这是一个高收益项目，具有潜在的关键回报：外科医生可能会切割或不切割，这取决于扫描的结果。齐特尼克说：“这完全使我们感到紧张。” “正确解决这些问题很重要，这就是为什么我们以非常有条理的方式做到这一点的原因。”

随着可互换性研究等待学术评论，纽约大学的研究人员正在加紧进行进一步的比较，以评估AI生成的图像是否与外科医生在膝盖内进行关节镜检查时实际看到的图像匹配。未来的目标不仅是将这种技术限制在膝盖上，而且还将其用于其他身体部位，例如大脑的MRI，目前需要大量的扫描时间。

纽约大学的雷奇特说，他希望快速的AI扫描能够改变医生和患者与MRI的关系。他说：“我的梦想是每个关节都有五分钟的扫描时间。”