На стыке искусственного интеллекта (ИИ) и медицины растет интерес к использованию машинного обучения для улучшения изображений, получаемых с помощью магнитно-резонансной томографии (МРТ).
Последние исследования показывают, что ультра-высокопольные МРТ на уровне 7 Тесла (7T) имеет значительно большее разрешение и преимущества в клинической практике по сравнению с высокопольной МРТ на 3T, особенно в диагностике заболеваний мозга.
Ученые из Университета Калифорнии в Сан-Франциско разработали алгоритм машинного обучения для улучшения изображений 3T, синтезируя изображения, напоминающие 7T. Их модель повышает четкость патологической ткани и представляет собой шаг к оценке клинических применений синтетических моделей МРТ на 7T.
Результаты исследования, представленного на 27-й Международной конференции по вычислительной медицинской визуализации и компьютерным вмешательствам, показывают, что улучшенные изображения лучше выявляют аномалии мозга, например, при легких травмах. Синтезированные изображения 7T позволили четче различать патологии, что может улучшить диагностику нейродегенеративных заболеваний, таких как рассеянный склероз.