麻省理工學院VoxelMorph機器學習算法讓3D掃描速度提高1000倍
時間：2018-06-19 22:25 來源：中國3D打印網 作者：中國3D打印網 閱讀：次
來自劍橋麻省理工學院（MIT）的研究人員已經創建了一種名為“VoxelMorph”的機器學習算法，他們認為這使得醫學圖像配準過程加快了1000倍以上。
麻省理工學院的研究人員描述了一種機器學習算法，該算法可以使用新穎的學習技術，將腦部掃描和其他3D圖像更快 （來源：MIT媒體實驗室）
醫生每天都會使用醫學圖像來查看兩次MRI掃描的差異。對于醫學專家來說，這是一個有價值的助手，可以隨時對兩次掃描中的解剖差異進行比較和分析。然而，這個過程通常可能需要兩個小時或更長的時間，因為傳統系統必須逐個像素地對齊掃描。現在，麻省理工學院的研究人員已經創建了一種機器學習算法，可以使用新穎的學習技術，將腦部掃描和其他3D圖像更快。
該團隊的研究是計劃在6月18日至22日在猶他州鹽湖城舉行的計算機視覺和模式識別（CVPR）會議以及醫學圖像計算和計算機輔助干預會議（MICCAI）9月16日提交的兩篇論文。“兩篇論文的合作者，麻省理工學院計算機科學與人工智能實驗室的研究生Guha Balakrishnan說：”在對齊一對腦部MRI或其他腦部MRI時，對齊腦部MRI的任務應該不同。 你應該能夠掌握如何進行協調的信息。如果您能夠從之前的圖像中了解到某些內容，則可以更快更準確地完成新任務。“
核磁共振成像掃描基本上是數百個疊加在一起的2D圖像，形成一個巨大的單個3D圖像。因此，將第一個體中的所有體素或像素與第二個體中的體素或像素對齊是非常耗時的。目前的算法也不能從每次掃描中學習。每次注冊后，他們都會關閉與體素位置相關的所有數據。基本上，他們從頭開始給一對新的圖像。”Balakrishnan說。 “在注冊100次后，你應該從對齊中學到一些東西。這就是我們所利用的。“
VoxelMorph由卷積神經網絡（CNN）提供動力，它一直用于圖像處理。為了訓練VoxelMorph，該算法獲得了7000次公開可用的MRI腦部掃描以供學習。之后，團隊為系統提供250個額外的掃描來測試它。在訓練過程中，腦掃描成對輸入算法。使用CNN和被稱為空間變換器的修改后的計算層，該方法捕獲一次MRI掃描中的體素與另一次掃描中的體素的相似性。通過學習掃描，算法學習了有關用于計算可應用于任何掃描對的優化參數的體素組。
當VoxelMorph進行新的MRI腦掃描時，系統使用數學“函數”快速計算兩次掃描中每個體素的完美對齊。該系統只需要一次評估即可處理圖像。研究人員發現他們的算法可以在兩分鐘內使用傳統的中央處理單元精確記錄所有250個新的腦部掃描，并在一秒鐘內使用圖形處理單元。重要的是，VoxelMorph是一種“無監督”算法，這意味著它不需要超出圖像數據的附加信息。它還保證了注冊“平滑性”，因為它不會在合成圖像中產生褶皺，空洞或一般變形。在17個大腦區域中，精確的VoxelMorph算法在一小部分時間內被證明與常用的最先進的配準算法一樣精確。
中國3D打印網譯自：3ders.org
麻省理工學院的研究人員描述了一種機器學習算法，該算法可以使用新穎的學習技術，將腦部掃描和其他3D圖像更快 （來源：MIT媒體實驗室）
醫生每天都會使用醫學圖像來查看兩次MRI掃描的差異。對于醫學專家來說，這是一個有價值的助手，可以隨時對兩次掃描中的解剖差異進行比較和分析。然而，這個過程通常可能需要兩個小時或更長的時間，因為傳統系統必須逐個像素地對齊掃描。現在，麻省理工學院的研究人員已經創建了一種機器學習算法，可以使用新穎的學習技術，將腦部掃描和其他3D圖像更快。
該團隊的研究是計劃在6月18日至22日在猶他州鹽湖城舉行的計算機視覺和模式識別（CVPR）會議以及醫學圖像計算和計算機輔助干預會議（MICCAI）9月16日提交的兩篇論文。“兩篇論文的合作者，麻省理工學院計算機科學與人工智能實驗室的研究生Guha Balakrishnan說：”在對齊一對腦部MRI或其他腦部MRI時，對齊腦部MRI的任務應該不同。 你應該能夠掌握如何進行協調的信息。如果您能夠從之前的圖像中了解到某些內容，則可以更快更準確地完成新任務。“
核磁共振成像掃描基本上是數百個疊加在一起的2D圖像，形成一個巨大的單個3D圖像。因此，將第一個體中的所有體素或像素與第二個體中的體素或像素對齊是非常耗時的。目前的算法也不能從每次掃描中學習。每次注冊后，他們都會關閉與體素位置相關的所有數據。基本上，他們從頭開始給一對新的圖像。”Balakrishnan說。 “在注冊100次后，你應該從對齊中學到一些東西。這就是我們所利用的。“
VoxelMorph由卷積神經網絡（CNN）提供動力，它一直用于圖像處理。為了訓練VoxelMorph，該算法獲得了7000次公開可用的MRI腦部掃描以供學習。之后，團隊為系統提供250個額外的掃描來測試它。在訓練過程中，腦掃描成對輸入算法。使用CNN和被稱為空間變換器的修改后的計算層，該方法捕獲一次MRI掃描中的體素與另一次掃描中的體素的相似性。通過學習掃描，算法學習了有關用于計算可應用于任何掃描對的優化參數的體素組。
當VoxelMorph進行新的MRI腦掃描時，系統使用數學“函數”快速計算兩次掃描中每個體素的完美對齊。該系統只需要一次評估即可處理圖像。研究人員發現他們的算法可以在兩分鐘內使用傳統的中央處理單元精確記錄所有250個新的腦部掃描，并在一秒鐘內使用圖形處理單元。重要的是，VoxelMorph是一種“無監督”算法，這意味著它不需要超出圖像數據的附加信息。它還保證了注冊“平滑性”，因為它不會在合成圖像中產生褶皺，空洞或一般變形。在17個大腦區域中，精確的VoxelMorph算法在一小部分時間內被證明與常用的最先進的配準算法一樣精確。
中國3D打印網譯自：3ders.org
(責任編輯：admin)
納米纖維涂層管狀支架骨再
中美合作團隊《Science》
內燃機增材再制造修復技術
高性能金屬激光增材制造裝
西安交大與哈佛大學合作研
仿真技術與3D打印推動液壓最新內容
科學家使用超聲波熱點內容
