Ricercatori combinano Deep Learning e Fisica per correggere le scansioni MRI

Ricercatori combinano Deep Learning e Fisica per scansioni MRI corrette

Nel campo dell’imaging medico, la risonanza magnetica (MRI) si distingue per la sua eccezionale visualizzazione dei tessuti molli, superando le capacità dei raggi X e delle scansioni TC. Tuttavia, il tallone di Achille della MRI risiede nella sua suscettibilità agli artefatti da movimento: anche il più piccolo movimento durante una scansione può compromettere la qualità dell’immagine. Ciò comporta risorse e tempo considerevoli.

Questo può anche portare a diagnosi potenzialmente fuorvianti e risultati di trattamento subottimali. Ma ora, i ricercatori del MIT sono armati di un nuovo modello di apprendimento profondo progettato per correggere le distorsioni correlate al movimento nella MRI cerebrale.

L’autrice principale dell’articolo, Nalini Singh, che è anche una ricercatrice affiliata alla Abdul Latif Jameel Clinic for Machine Learning in Health presso il MIT, spiega a MIT News: “Il movimento è un problema comune nella MRI,… è una modalità di imaging piuttosto lenta”.

• Distillare ciò che sappiamo
• Portare alla luce il Dark Web
• Gli algoritmi storici aiutano a sbloccare una svolta nel problema del percorso più breve

Per affrontare questa sfida, Singh e il suo team hanno ideato una soluzione innovativa chiamata “Data Consistent Deep Rigid MRI Motion Correction”. Questo metodo costruisce immagini prive di movimento dai dati distorti, il tutto senza alterare il processo di scansione.

Centrale in questo approccio ibrido è la conservazione della coerenza tra l’immagine di output e le misurazioni effettive che rappresenta. Senza questa coerenza, il modello rischia di generare immagini “allucinatorie”: rappresentazioni ingannevolmente realistiche ma clinicamente inaccurate che possono compromettere gravemente l’affidabilità diagnostica.

I pazienti alle prese con movimenti involontari indotti a livello neurologico, come quelli osservati nelle malattie di Alzheimer e Parkinson, trarrebbero beneficio da scansioni MRI prive di artefatti. Studi del Dipartimento di Radiologia dell’Università di Washington indicano che il movimento interferisce con circa il 15% delle scansioni MRI del cervello.

Questo problema ricorrente contribuisce a una spesa annua di circa $115.000 per scanner per ripetere le scansioni. Daniel Moyer, professore associato presso la Vanderbilt University, ha dichiarato riguardo al modello: “Questo lavoro di Singh e della sua squadra è il prossimo passo nella correzione del movimento nella MRI”.

Ha proseguito dicendo: “Non solo è un ottimo lavoro di ricerca, ma credo che questi metodi saranno utilizzati in tutti i tipi di casi clinici: bambini e anziani che non riescono a stare fermi in scanner, patologie che inducono il movimento, studi sui tessuti in movimento, persino pazienti sani si muoveranno nell’ambiente magnetico”.

Moyer ha concluso dicendo: “In futuro, penso che sarà probabilmente prassi comune elaborare le immagini con qualcosa direttamente derivato da questa ricerca”.