Új technológiák fogják a jövő MRI készülékeit irányítani
Közösségek - AI - Mesterségs Intelligencia | 2020. október 11. 06:36 | Utolsó módosítás dátuma - 2024. október 13. 21:20 | Forrás: https://www.auntminnie.com/index.aspx?sec=rca&sub=ismr_2020&pag=dis&ItemID=129861&fbclid=IwAR1TM-dX3EpwmI6fqttpuirnY7SmizyFA3pYS_Bp6IFMHnfkp65ZRHqzUeI
Ha megtervezhetné a jövő MRI készülékét, hogyan tenné?
A jövő MRI berendezései fejlett felületi tekercseket, újszerű érzékelőket, új adatgyűjtési technikákat és gépi tanulást fognak alkalmazni, az Orvostudományi Mágneses Rezonancia Nemzetközi Társaságának (ISMRM- International Society for Magnetic Resonance in Medicine) keddi virtuális ülése szerint.
Számos mai MR készülékben a gyűjtött adatok mennyisége növekszik, ami az egyre növekvő számú rádiófrekvenciás csatorna, valamint a képakvizíciós ciklusok magasabb számának eredménye.
A jövőben az MR berendezések sokkal platform-alapúbbak lesznek, és tetszőleges számú szkennert tartalmaznak majd - magyarázta David Brunner, PhD, a Skope Magnetic Resonance Technologies vezérigazgatója és társalapítója, az érzékelőtechnológia, valamint az MRI rendszerek új generációjának svájci algoritmusfejlesztője.
Brunner szerint kétségtelen, hogy a tiszta MR képek nyerése érdekében javítani kell a technikán. Ismertette a jövő optimális MRI platformját, melyet teljesen eltérő infrastruktúrával terveztek a jelenleg ismerthez képest – egy olyat, ami újrakonfigurálható hardvert, új interfészeket, és valós idejű képfeldolgozórendszert foglal magába, melyeknek célja a gyorsabb kép- és adatfeldolgozás.
Az MRI egyik legfőbb hiányossága a lassú képakvizíció volt, de Brunner úgy véli, hogy ez javítható lenne nagy mennyiségű, halmozott adatok alkalmazásával, melyek szoftveres modellezésen és gépi tanuláson alapulnak. Az adathalmozás hatékonyan javítja a gyűjtött jeleket és a gépi tanulási szoftvereket az MRI adatainak felhasználásával képezik, melyeket MRI-ben alkalmazható algoritmusokká és szoftverekké fejlesztik a későbbi felhasználás céljából.
Brunner szerint ennek a megközelítésnek az a célja, hogy az MRI rendszerek új információkat szerezzenek az MR vizsgálatra érkező betegek biológiájáról. De a szükséges információk és adatok valószínűleg nem gyűjthetők be egyes manapság alkalmazott készülékekkel, tette hozzá.
Hogy megoldódjon ez az akadály, egyes önálló készülékeknek kommunikálniuk kell más készülékekkel. Az MRI rendszerek között magas szintű összeköttetéset hoznának létre, és egy platformonon keresztül hatékony kommunikálnának. Minden készülékbe ugyanazt az információt táplálnák be, mindegyik ugyanúgy értelmezné a képi információkat és azok konzisztensen ugyanúgy értelmeznék az adott adatokat.
Brunner javaslata volt az újrakonfigurálható hardverek használata az interfészek és a valósidejű képfeldolgozó eszközök egyedi összeszerelésével. Az MRI-rendszerek kiegészítése további érzékelőkkel javítja az MRI-adatok jellegét és az adatgyűjtés módját.
További érzékelők közé tartozhatnának a mozgásérzékelők és mágneses mező érzékelők, amelyek követik a vizsgálat alatt álló beteg állapotát, és amelyek figyelemmel kísérik a képalkotó rendszer működését is - mondta Brunner. Az érzékelő adatait hozzá lehet adni a képkimeneti adatokhoz a diagnózis megkönnyítése érdekében.
A jövő MRI platformjának tervezésekor a fejlesztőknek további helyet kell biztosítaniuk a kiegészítő érzékelők integrálására, azonban nehéz lenne az összes szenzor interfészt analóg állapotban bevezetni. Ezért az érzékelőket digitalizálni kellene a platformon levő szkennerekkel együtt. Brunner javasolta szerint az egyik lehetőség egy 16-csatornás digitalizáló használata lehet.
Az áramkör további egyesítésére Brunner egy hüvelykujjméretű, chipen alapuló integrált megoldást javasolt, amely elegendő teljesítményt és újrakonfigurálható hardver-alapú párhuzamos feldolgozási kapacitást nyújtana a nehéz alkalmazásokhoz, mint például a nagy sebességű adatcsere.
A jövőbeli MRI-platformoknak biztosítaniuk kell az MR-adatok, valamint az egyéb modalitásokból származó adatok javítását, ha a klinikusnak szüksége van rájuk a diagnózis megállapításához. Ez további szenzorok, gépi tanulás és egy szélesebb körűen integrált munkafolyamat által valósítható meg – foglalta össze Brunner.
Referálta: Szabó Liza