FAIR是Facebook AI研究团队的一个项目，旨在通过将AI与NYU Langone Health结合使用，将MRI扫描速度提高10倍，从而减轻患者负担。 ） 进行中。研究团队宣布了一项技术，该技术可以改善fastMRI的缺点并提高现有MRI扫描图像的质量。
有关FastMRI的研究结果已经公开，并且代码和数据集也已在GitHub上发布，以为更广泛的社区参与FastMRI建立参考模型。 2月25日（当地时间），研究团队宣布了一项技术，该技术可通过深度学习解决快速MRI问题，并改善整个MRI扫描的图像质量。
根据研究团队的说法，使用深度学习对原始数据执行准确的MRI扫描的任务之一是扫描图像中的条纹和条纹伪影。这种伪影在MRI扫描图像中可以称为噪声，对受过训练的专家来说是可见的，但对于初学者而言并不容易。该研究小组解释说，在评估高速MRI扫描的图像时，他们发现水平移动的伪影会显着降低图像质量并掩盖疾病。
为了解决这个问题，研究团队创建了一个深度学习学习模型，该模型从MRI扫描中检索低数据，并通过敌对学习生成准确的MRI图像而没有伪影。通常将敌对学习与伪钞和警察之间的关系进行比较。换句话说，伪造者会创建尽可能接近真实物品的伪造票据，警察会确定它是真实的还是伪造的，但是当警察判断伪钞的能力增强时，伪造技术也会提高欺骗性。这是类似的结构。
在FastMRI的情况下，研究团队设定了敌对的学习目标，以预测伪像模式的倾向。由于敌对模型和MRI图像重建模型是同时训练的，因此提供了重建模型，直到伪影消失为止，而对敌对模型的伪影检测精度不断提高。
在该图像中，左边是通过正常MRI扫描通过AI加速的MRI扫描图像，右边是通过敌对学习创建的图像。在右侧，您可以看到多余的斜线消失了，因此图像更清晰。
随着AI加速MRI成为工件的大问题，这次发布的技术有可能成为将快速MRI用于临床的第一步。另外，由于先进的MRI扫描仪已报告容易产生伪影的趋势，因此表明该技术可以帮助改进。相关信息可以在这里找到。