Kết hợp Khoa học dữ liệu và Máy học tăng cường tốc độ và hiệu quả chụp MRI

VietTimes – Các nhà khoa học và kỹ sư Đại học Minnesota Twin Cities đưa ra giải pháp tăng cường hiệu suất các kỹ thuật tái tạo Hình ảnh Cộng hưởng Từ (MRI), cho phép chụp MRI nhanh, nâng cao chất lượng chăm sóc sức khỏe.

Đại học Minnesota Twin Cities đưa ra giải pháp nâng cao hiệu suất cho phép chụp MRI nhanh hơn không sử dụng các phương pháp học sâu mới hơn. Ảnh: Phòng thí nghiệm xử lý hình ảnh và hình ảnh y tế thông minh, Đại học Minnesota

Đại học Minnesota Twin Cities đưa ra giải pháp nâng cao hiệu suất cho phép chụp MRI nhanh hơn không sử dụng các phương pháp học sâu mới hơn. Ảnh: Phòng thí nghiệm xử lý hình ảnh và hình ảnh y tế thông minh, Đại học Minnesota

Mehmet Akcakaya, PGS Jim và Sara Anderson tại Khoa Kỹ thuật Điện và Máy tính thuộc Đại học Minnesota, Mỹ, tác giả cao cấp của báo cáo khoa học giải thích: “Chụp cộng hưởng từ mất nhiều thời gian vì cần thu thập dữ liệu theo trình tự. Chúng tôi muốn thực hiện MRI nhanh hơn để bệnh nhân ở đó trong thời gian ngắn hơn và tăng hiệu quả của hệ thống chăm sóc sức khỏe. Nghiên cứu khoa học này khám phá một phương pháp thực hiện chụp MRI với hiệu suất cao."

Báo cáo khoa học của giải pháp được xuất bản trong Kỷ yếu của Viện Hàn lâm Khoa học Quốc gia Mỹ (PNAS), một tạp chí khoa học được bình duyệt, đa ngành, có tác động và ảnh hưởng lớn.

Trong một thập kỷ qua, các nhà khoa học đã tăng cường tốc độ chụp MRI, sử dụng một kỹ thuật gọi là cảm biến nén trên cơ sở ý tưởng hình ảnh được nén thành kích thước nhỏ hơn, tương tự như nén ảnh jpeg trên máy tính.

Thời gian gần đây hơn, các nhà khoa học tiếp tục xem xét việc sử dụng Học sâu, một kỹ thuật máy học nhằm tăng tốc độ tái tạo hình ảnh MRI. Thay vì nắm bắt mọi tần số trong quá trình chụp MRI, quy trình mới bỏ qua các tần số và sử dụng một thuật toán Máy học được đào tạo để dự đoán kết quả và lấp đầy những khoảng trống.

Nhiều nghiên cứu cho thấy, Máy học sâu hiệu quả hơn cảm biến nén truyền thống do có biên độ hình ảnh lớn. Nhưng có một số lo ngại về việc sử dụng Máy học sâu như không có đủ dữ liệu đào tạo có thể tạo ra những sai lệch trong thuật toán khiến thuật toán có thể đưa ra kết quả chụp MRI sai.

Sử dụng kết hợp những công cụ khoa học dữ liệu hiện đại và ý tưởng Máy học, các nhà khoa học của Đại học Minnesota Twin Cities tìm ra biện pháp tinh chỉnh phương pháp nén truyền thống khiến phương pháp này có chất lượng gần như Máy học sâu.

GS Akcakaya cho biết, sáng tạo này cung cấp một hướng nghiên cứu mới cho lĩnh vực tái tạo MRI. Theo ông, có rất nhiều sự cường điệu xung quanh kỹ thuật Máy học sâu trong MRI, nhưng khoảng cách giữa các phương pháp mới và truyền thống không lớn như đã nghĩ. Nếu điều chỉnh các phương pháp cổ điển theo hướng Máy học, phương pháp này có thể hoạt động hiệu quả với độ chính xác cao.

Trong thực tế khai thác sử dụng MRI, cần phải xem xét các phương pháp cổ điển và nghiên cứu để đạt được kết quả cao hơn. Có rất nhiều nghiên cứu về Máy học sâu, nhưng các nhà khoa học đang xem xét kỹ lưỡng khả năng kết hợp 2 phương pháp để thu được hiệu suất tốt nhất, sự đảm bảo tuân thủ theo lý thuyết Hình ảnh MRI và sự ổn định."

Theo ITN