核磁共振成像(MRI)在医学范畴是一个十分宝贵的东西，但它也是一个缓慢而繁琐的进程。完结一次扫描可能需求15分钟或一个小时。在这段时刻里，患者可能是一个孩子或一些严峻痛苦的人，有必要坐着彻底不动。NYU一向在研讨一种加快这一进程的办法，现在正在与Facebook协作，期望通过运用根据人工智能的成像东西，将核磁共振成像时刻缩短90%。
从一开端，区别人工智能在医学成像范畴的其他常见用处是很重要的。一旦完结x光查看，或许核磁共振扫描，就能够通过物体识别体系来查看是否有反常，为医师节省时刻，乃至可能发现他们可能错失的东西。这个项目不是要剖析现已创立的图画，而是首要加快它的创立。
核磁共振成像之所以耗时如此之久，是因为机器有必要创立一系列2D图画或切片，其间许多有必要堆叠起来才干生成3D图画。有时只需求一小部分，但关于全保真度和深度，比如对脑瘤的扫描——需求许多的切片。
FastMRI项目是由纽约大学(NYU)的研讨人员于2015年发动的，它研讨了创立具有与传统扫描相似质量的图画的可能性，但只收集了一般所需数据的一小部分。
就像扫描一般相片相同。你能够扫描整个东西，可是假如你只扫描每隔一行(这被称为“欠采样”)，然后智能地填充缺失的像素，它会花费一半的时刻。机器学习体系在这方面做得很好。咱们的大脑一向都在这么做:你现在就有一些你没有注意到的盲点，因为你的视觉体系正在智能地添补这些空白。
假如人工智能体系能够被练习来添补MRI扫描的空白，而MRI扫描只能收集到最要害的数据，那么患者在显像管中坐着的实践时刻就会大大削减。这对患者来说更简略，并且一台机器能够处理远比每次做全扫描多的人，使扫描更廉价和更简略取得。
纽约大学医学院的研讨人员三年前开端研讨这个问题，并宣告了一些开始效果，标明这种办法至少是可行的。可是像MRI扫描相同，这种作业需求时刻。
纽约大学高档成像立异与研讨中心主任Dan Sodickson解说说:“咱们和其他安排在运用人工智能处理这类问题方面现已迈出了一些小步。”“感觉是，在开始的测验中，通过相对简略的办法，咱们能够比现在的其他加快技能做得更好——取得更好的图画质量，可能进一步加快一些百分比，但还不是大倍数。”
因而，为了推进这个项目，Sodickson和纽约大学的放射学家们正在联合Facebook及其人工智能研讨小组(FAIR)的人工智能专家们。
“咱们这里有一些巨大的物理学家，乃至还有一些抢手的数学家，但Facebook和FAIR公司具有一些世界上抢先的人工智能科学家。”所以这是互补的专业知识。
尽管Facebook不计划建立一个医疗成像部分，但FAIR具有许多的授权。
FAIR的齐尼克说:“咱们正在寻觅有影响力但在科学上也很风趣的问题。”根据人工智能的创造或实践意象的再创造(一般被称为“错觉”)是一个首要的研讨范畴，但这将是它的共同运用——更不用说它可能会协助一些人。
他解说说，通过患者的核磁共振成像数据，生成的图画“纷歧定是可信的，但需求保存相同的缺点”。“因而，添补空白的计算机视觉署理需求能够识别出不仅仅是全体形式和结构，并且能够在图画中保存乃至智能扩展反常。”假如不这样做，将是对原始数据的大规模修正。
走运的是，核磁共振机在成像时十分灵敏。例如，假如你一般会从200个不同的方位进行扫描，那么不难让机器做到一半，但在一个或另一个区域的密度更高。CT和PET扫描仪等其他成像设备就不那么温柔了。
即便通过几年的作业，这项研讨仍处于初级阶段。究竟，这些作业不能匆促进行，并且运用医疗数据需求考虑道德问题，并且很难取得满足的数据。但纽约大学的研讨人员的根底作业取得了开始效果和强壮的数据集。
齐尼克指出，因为人工智能奸细需求许多的数据来练习到达有用水平，这是一个严重的改变，从一组，比如说，500个核磁共振扫描到10000个。运用前一种数据集，您可能能够进行概念验证，但运用后一种数据集，您能够使某些东西满足准确，以实践运用。
今日宣告的协作伙伴是纽约大学和Facebook，但两边都期望其他人也能参加。
“咱们正在公开地处理这个问题。咱们将敞开一切资源，”齐尼克说。人们可能会等待学术研讨的削减，但当然，现在有许多的人工智能研讨在闭门进行。
因而，作为合资企业的第一步将是界说问题，记载数据集并发布它，创立基线和衡量规范来衡量它们的成功，等等。一起，这两个安排将定期会晤和交流数据，并运转效果超越实践临床医师。
“咱们不知道怎么处理这个问题，”齐尼克说。“咱们不知道咱们是否会成功。但这是一种趣味。
文字转自Devin Coldewey,techcrunch
