31%-kal több MRI-adatot tesz elemezhetővé egy új AI-modell
A mozgásos műtermékek eddig jelentős adatvesztést okoztak a nagy felbontású MRI-vizsgálatoknál, de a MRecover most 31,8%-kal több elemezhető adatot biztosít.
Új mesterséges intelligencia modell, a MRecover képes szintetizálni a T1w képeket, hogy mozgásmentes T2w turbo spin echo (TSE) MRI-felvételeket hozzon létre, ezzel kiküszöbölve a mozgás okozta műtermékeket. Ez a módszer jelentősen csökkenti az adatvesztést a hippokampusz almezőinek szegmentálásához szükséges, nagy felbontású T2w TSE MRI-vizsgálatoknál — írja az arXiv-on megjelent tanulmány.
A kutatók a modellt 7T MRI adatokon (n=577) képezték be, és a MRecover magas in-domain hűséget ért el (SSIM=0.84, FSIM=0.94) 148 tesztelt alanyon. A modell jól alkalmazkodott a 3T-s adatokhoz is, ahol a szintetizált és az eredeti képekből származó almező-térfogatok szorosan egyeztek (r=0.87-0.97) 416 alany esetében.
A képalkotás új távlatokba nyitja a kaput
A MRecover a mozgás által érintett ADNI3 adatkészletben 31,8%-kal több elemezhető alanyt eredményezett a minőségellenőrzés után (593 vs. 450). Ez a növekedés különösen fontos, mivel a mozgásos műtermékek korábban nagymértékben korlátozták az ilyen típusú adatok felhasználhatóságát.
A diagnosztikai pontosság szemléletének változása
A szintetizált képek emellett nagyobb hatásméreteket mutattak a diagnosztikai csoportkülönbségek kimutatásában a hippokampusz almezőinek atrófiájánál. A teljes hippokampuszra vonatkozóan a ε² érték 0.121-0.100 volt, szemben az eredeti képek 0.086-0.062 értékével, ami a megnövekedett mintaméretnek köszönhető.
A MRecover modell az arXiv-on 2024. február 10-én jelent meg.