بهبود کیفیت تصاویر ام آر آی با هوش مصنوعی
در سالهای اخیر یادگیری عمیق نقش مهمی در بهبود کیفیت تصاویر ام آر آی ایفا کرده است بطوریکه باعث افزایش کیفیت تصاویر ، کاهش نویز تصاویر و کوتاهتر کردن زمان تصویربرداری ام آر آی می شود. در این مقاله به بررسی بهبود کیفیت تصاویر ام آر آی با هوش مصنوعی می پردازیم.
بهبود کیفیت تصاویر ام آر آی با هوش مصنوعی چگونه است؟
- کاهش نویز یا Denoising : الگوریتم های یادگیری عمیق هوش مصنوعی نویزهای ناخواسته در زمان تصویربرداری ام آر آی را حذف می کنند تا ساختارهای آناتومیک بدن انسان در تصاویر ام آر واضح تر شوند. قابل ذکر است که کاهش نویز در تصاویر با سیگنال ضعیف مهم است.
- افزایش وضوح تصاویر یا Super-Resolution : هوش مصنوعی با تبدیل تصاویر با وضوح کم به تصاویر با جزئیات فراوان ، امکان مشاهده ضایعات خیلی کوچک را فراهم می سازد تا حتی موارد جزئی نیز از دید چشم پزشک پنهان نماند.
- کاهش زمان تصویربرداری ام آر آی : هوش مصنوعی با روشهای بازسازی مبتنی بر یادگیری عمیق ، امکان تصویربرداری سریعتر را فراهم کرده بطوریکه بدون افق کیفیت تصاویر ، خیلی سریعتر ام آر آی انجام شود. این ویژگی حتی به بیمارانی که فوبیای فضای بسته ام آر آی را دارند کمک می کند تا مدت زمان کمتری در دستگاه باشند.
- اصلاح آرتیفکت ها : آرتیفکت در اثر نویز یا حرکت کردن بیمار در زمان انجام اسکن ام آر آی یا بروز خطاهای فنی رخ می دهد و بدین جهت مدل های هوش مصنوعی بسیاری از این مشکلات را اصلاح می کنند.
مقالات دیگر : بررسی هوش مصنوعی در تشخیص ندولهای ریوی
مزایای هوش مصنوعی در تصویربرداری ام آر آی
- افزایش کیفیت تصاویر و کمک به تشخیص بهتر
- بهبود کیفیت تصاویر دستگاه های ام آر آی قدیمی با میدان مغناطیسی پایین تر
- کاهش زمان حضور بیمار در دستگاه ام آر آی
- کمک به تشخیص دقیق تومورها و دیگر ضایعات
چالش ها و محدودیت های هوش مصنوعی در تصویربرداری ام آر آی
- این روش نیاز به اعتبارسنجی بالینی گسترده دارد.
- احتمال ایجاد تصاویر بیش از حد صاف در برخی الگوریتم های هوش مصنوعی
- نگرانی درباره ایجاد جزئيات غیرواقعی در برخی روشهای بازسازی تصاویر
فرآیند بهبود کیفیت تصاویر ام آر آی با هوش مصنوعی چگونه است؟
هوش مصنوعی اولین حضور در محیط بالینی به جهت بازسازی تصاویر ام آر آی را تجربه کرده که در این محیط پیشرفت های زیادی در زمینه تشخیص ضایعات و پیش آگهی و بهبود گردش کار ارائه شده است. در اینجا هوش مصنوعی امکان تصویربرداری سریع اما کیفیت معادل یا بالاتر از تصاویر ام آر آی قبلی فراهم کرده است.
قابل ذکر است که ام آر آی نیاز به تعادل میان زمان تصویربرداری و کیفیت تصاویر دارد ، ازین رو کاهش زمان اسکن می تواند باعث افت کیفیت تصاویر ام آر آی و عدم تشخیص درست توسط پزشک رادیولوژيست شود. از طرف دیگر ، بهبود کیفیت تصاویر باعث افزایش زمان تصویربرداری می شود که برای بیماران اذیت کننده است.
مقالات دیگر : نقش هوش مصنوعی در رادیولوژي اورژانس
افزون بر این ام آر آی در زمان کوتاه تر ، ظاهر دانه دانه یا به اصطلاح پر سر و صدا دارد که این سطح نویز زیاد ، تشخیص دقیق را مشکل می سازد. بدین منظور هوش مصنوعی به کمک آمده و بدون تخریب نحوه نمایش ساختارهای آناتومیکی در تصویر ، نویز را حذف می کند.
البته توانایی تشخیص ساختارهای آناتومیکی در تصاویر ام آر آی و نویز توسط هوش مصنوعی بستگی به میزان داده هایی است که از قبل آموزش دیده بطوریکه در صورت وجود تعداد زیاد ام آر آی با نویز و بدون نویز ، هوش مصنوعی این تصاویر را برای تمایز دو به دو مقایسه می کند و بدین ترتیب توانایی فرآید حذف نویز را یاد می گیرد.
مقاله ای توسط AIRS Medical منتشر شد که الگوریتم هوش مصنوعی تکنیک Noise2Noise را برای بازسازی تصاویر ام آر آی بکار برد. مدل های هوش مصنوعی تعداد زیادی تصاویر نویزدار را آموزش دیده و این مدل ها در عمل بالینی استفاده شد و نتایج بصورت ساختارهای دارای نویز بسیار واضح تر ارائه گردید.
همچنین برای بررسی اینکه هوش مصنوعی ساختارهای آناتومیکی تصاویر را تعریق کرده یا نه ، در این مطالعه دو پزشک رادیولوژيست با تجربه تصاویر را آنالیز کردند. خوشبختانه نتیجه این بود که کیفیت تصاویر ام آر آی و ترسیم ساختار دقیق و وضوح ضایعات بدون ایجاد هر گونه مصنوعاتی بهبود یافته است.
معرفی نرم افزار
نرم افزار فیلم رادیولوژی PPQ
فیلم رادیولوژی PPQ نرم افزاری است که به کمک آن می توان تصاویر ام آر آی و دیگر انواع تصویربرداری پزشکی را در موبایل و تبلت مشاهده نمود. این نرم افزار بارکد دوبعدی یا لینک تصاویر را ارائه می دهد تا با اسکن آن به راحتی به تصاویر بیمار دسترسی پیدا کرد.
مطالب بیشتر درباره این نرم افزار در این صفحه
برای کسب اطلاعات بیشتر با شماره 09111366703 تماس حاصل فرمایید.
نرم افزار پزشکی سپاس92
اینستاگرام : https://instagram.com/sepas92
نویسنده : مهندس محمد شیخی نژاد
دارای مدرک MCSE
دستاوردها : مقالات علمی در زمینه IT و طراح نرم افزارهای پزشکی
عضو شرکتهای دانش بنیان زیرنظر معاونت پژوهشی دانشگاه گیلان
